5 Modèles d’économétrie spatiale en panel (en cours de rédaction)

Dans ce chapitre, nous abordons une extension des modèles autorégressifs, soit les modèles spatiaux par panel qui permettent de modéliser des données spatiales longitudinales.

Objectifs d’apprentissage visés dans ce chapitre

À la fin de ce chapitre, vous devriez être en mesure de :

comprendre les différentes formulations des modèles spatiaux par panel (SLPDM, SEPDM et SEPDM);
assimiler les principes fondamentaux de ces différentes modèles;
identifier le modèle spatial par panel le plus approprié (SLPDM, SEPDM et SEPDM);
analyser les résultats produits par ces différentes modèles;
Mettre en pratique ces modèles spatiaux par panel dans R.

Liste des packages utilisés dans ce chapitre

Pour importer et manipuler des fichiers géographiques :
- sf pour importer et manipuler des données vectorielles.
Pour construire des cartes et des graphiques :
- tmap pour construire des cartes thématiques.
- ggplot2 est un package pour construire des graphiques.
Pour les régressions :
- spdep pour construire des matrices spatiales et calculer des mesures d’autocorrélation spatiale.
- plm pour construire des modèles de régression par panel.
- splm pour construire des modèles de régression spatiale par panel.

5.1 Bref retour sur les modèles en panel

5.2 Formulation des différents modèles spatiaux par panel

5.2.1 Description des différents modèles

5.2.2 Modèle SLPDM : autocorrélation sur la variable dépendante

5.2.3 Modèle SEPDM : autocorrélation sur le terme d’erreur

5.2.4 Modèle SEPDM : autocorrélation sur la variable dépendante et les variables indépendantes

5.3 Sélection du modèle spatial par panel le plus approprié

5.4 Mise en œuvre dans R

5.5 Quiz de révision

5.6 Exercices de révision

Exercice 1. À compléter

Complétez le code ci-dessous.

library(sf)
library(tmap)

Correction à la section 11.5.1.

Exercice 2. À compléter

Complétez le code ci-dessous.

library(sf)
library(tmap)

Correction à la section 11.5.2.

Exercice 3. À compléter

Complétez le code ci-dessous.

library(sf)
library(spatstat)
library(tmap)

Correction à la section 11.5.3.