Sie sind auf Seite 1von 33

CATEDRA DE ECONOMETRA

UNA INTRODUCCIN A LA
ECONOMETRA ESPACIAL
DEPENDENCIA Y HETEROGENEIDAD

ALFREDO BARONIO ANA VIANCO CRISTIAN RABANAL
AO 2012




Contenido
UNA INTRODUCCIN A LA ECONOMETRA ESPACIAL ................................................................... 2
1. Qu es la econoe!"#a es$ac%al& ......................................................................................... 2
2. Los e'ec!os es$ac%ales ........................................................................................................... (
2.1 La )e!e"o*ene%+a+ es$ac%al ............................................................................................. (
2.2 La au!oco""elac%,n es$ac%al ............................................................................................. -
2.( .uen!es +e au!oco""elac%,n es$ac%al ............................................................................... /
(. La a!"%0 +e $esos es$ac%ales ............................................................................................... 1
(.1 C"%!e"%os )a2%!uales +e con!%*3%+a+ ................................................................................ 4
(.2 O!"as es$ec%'%cac%ones $a"a la a!"%0 +e con!ac!os ........................................................ 5
-. El an6l%s%s e7$lo"a!o"%o +e +a!os es$ac%ales 8AEDE9 ............................................................ 1:
-.1 Tcn%cas *"6'%cas ............................................................................................................ 1:
-.2 Me+%+as +e asoc%ac%,n es$ac%al *lo2al ......................................................................... 12
-.( Me+%+as +e asoc%ac%,n es$ac%al local ............................................................................ 1(
/. El an6l%s%s con'%"a!o"%o ...................................................................................................... 1/
/.1 La +e$en+enc%a es$ac%al sus!an!%;a .............................................................................. 11
/.2 La +e$en+enc%a es$ac%al "es%+ual .................................................................................. 14
1. T"a!a%en!o +e la )e!e"o*ene%+a+ es$ac%al ....................................................................... 15
1.1 Con!"as!ac%,n +e )e!e"o*ene%+a+ es$ac%al ................................................................... 15
1.2 Es$ec%'%cac%,n +e un o+elo con )e!e"o*ene%+a+ es$ac%al ......................................... 1<
CASOS DE ESTUDIO= PRE>UNTAS ? PRO@LEMAS ........................................................................ 2:
EAe"c%c%o con >eo+aB Ra+%os censales +e R#o Cua"!o ............................................................... 2:
In!"o+ucc%,n a O$en>eoDa ................................................................................................. 21
C"ea" un en!o"no +e !"a2aAo ............................................................................................... 2-
>eo""e'e"enc%a +e las ;a"%a2les ........................................................................................... 21
In+%ca+o"es +el es$ac%o ....................................................................................................... 24
Ce""a%en!a "e*"es%,n ........................................................................................................ (:
RE.ERENCIAS @I@LIO>RD.ICAS ............................................................................................... (1


UNA INTRODUCCIN A LA
ECONOMETRA ESPACIAL


1. Qu es la econometra espacial?
La econometra espacial es la parte de la econometra que se dedica
al estudio de los fenmenos econmicos espaciales. Aunque si bien
todas las actividades econmicas se desarrollan en un espacio
determinado, los fenmenos econmicos espaciales pueden definirse
como aquellos en los que la variable espacio, entendida en sentido
amplio y definida luego segn algn criterio para alguna matriz de
contactos, juega un rol tan importante que su exclusin podra dar
lugar a modelos economtricos con severos errores de especificacin.
La importancia del espacio, se manifiesta a menudo en la
autocorrelacin espacial o!y la "eterogeneidad espacial. La creciente
importancia de la tem#tica se vio reflejada en la creacin del
apartado $%& 'reservado para (todos )conomtricos, (odelos de
*eccin $ruzada y (odelos )spaciales+ por parte del Journal
Economic Literature ',aelin- et al, %../+.
)xisten cinco principios fundamentales que rigen al an#lisis espacial
',aelinc- y 0laassen, &121+3
Interdependencia3 la dependencia recproca entre las diferentes
unidades de an#lisis deben ser debidamente incorporadas.
Asimetra3 refleja la idea de concentracin y desconcentracin
gradual en diferentes #reas.
Alotopa3 la causa de un fenmeno espacial debe buscarse en
otro lugar.
No linealidad.
Topologa3 4nclusin de variables de distancias entre dos
localizaciones, coordenadas, densidades y otras.
5e acuerdo con $orrado y 6ingleton '%.&&+, aunque muc"os
economistas se "an resistido a la econometra espacial, por
considerar que las variables espaciales se adicionan al an#lisis slo
por mostrar significatividad estadstica sin ninguna justificacin
terica, los estudios espaciales dentro de la corriente principal de la
economa "an ido incorporando variables del tipo espacial. )n
particular, la econometra espacial "a proporcionado "erramientas
valiosas para el estudio de las externalidades en forma de spillovers
'efectos indirectos+ espaciales.
)xiste una gran cantidad de ramas de la economa que "an
incorporado al an#lisis a la econometra espacial3 la economa urbana,
la economa regional y la macroeconoma entre otras. )n este
sentido, La teora de los centros de desarrollo constituye uno de los
principales fundamentos para el an#lisis espacial de los fenmenos
econmicos. )n este sentido, los aportes tericos m#s significativos
"an provenido desde la 7eora del 5esarrollo )conmico y de la
denominada 7eora de la 8rganizacin )spacial ',osada, &129+.
:abitualmente, en el estudio economtrico de fenmenos econmicos
espaciales suelen surgir, dos problemas principales, apuntados
anteriormente, o al menos uno, y que son in"erentes a la propia
naturaleza de la estructura de datos a analizar3 la "eterogeneidad
espacial y la autocorrelacin espacial ;tambin llamada dependencia
espacial por algunos autores '(oreno y <ay#, %...+.


2. Los efectos espaciales

2.1 La heterogeneidad espacial
La "eterogeneidad espacial, refiere a la idea de variacin en las
relaciones que se establecen para los fenmenos econmicos
espaciales conforme vara el espacio de estudio. )ste problema se
manifiesta b#sicamente de dos formas3 par#metros que asumen
diferentes valores segn se incluyan determinados zonas o no, esto
es inestabilidad estructural, o errores provocados por especificaciones
de modelos incorrectos, que pueden dar lugar a "eterocedasticidad.
La "eterocedasticidad espacial es "abitual en los estudios econmicos
que tienden a analizar un fenmeno determinado con el enfoque
centro=periferia, ya que cada regin deriva en diferentes valores de
los par#metros.
)n ambos casos si estos problemas no se resuelven, se ver#n
reflejados en el trmino de perturbacin. )n la seccin > se aborda el
tratamiento de modelos con problemas de "eterogeneidad espacial.

2.2 La autocorrelacin espacial
La autocorrelacin espacial implica que el valor de una variable se
encuentra condicionado por el valor que esa variable asume en una
regin vecina. $omo se ver# m#s adelante, la vecindad no
necesariamente quedar# definida como contig?idad fsica, sino que
existen una gran cantidad de criterios para definirla, a partir de una
matriz de contactos. )sta debilidad, "a sido una de las principales
objeciones metodolgicas a la econometra espacial y la robustez de
los resultados que con sta se pueden alcanzar.

La autocorrelacin espacial podr ser negativa o positiva.
*er# positiva cuando la presencia de un fenmeno econmico en una
determinada unidad, se extienda a las regiones colindantes. ,or
ejemplo, pinsese en el valor de las propiedades en una ciudad. )n
general, ceteris paribus las caractersticas propias de cada inmueble,
el precio de los mismos depende de factores tales como la ubicacin
;"abitualmente medida en funcin a la distancia de algn centro
importante, como puede ser una plaza central=, la disponibilidad de
servicios, la concentracin comercial del #rea en la que se sita,
etctera. 5e esta forma, un inmueble tender# a tener un valor m#s o
menos similar al inmueble colindante 'siempre que no tenga
caractersticas propias que lo diferencien+, pero levemente
decreciente en la medida que se encuentren m#s lejos de un punto
central 'que podr# ser una plaza importante ;plaza central=, o algn
otro punto relevante de similar importancia+. La figura 1 refleja esta
idea de manera simplificada, ya que lgicamente, en una gran ciudad
podra "aber una gran cantidad de @puntos centralesA. 5e esa forma
podra pensarse en una sucesin de cuadrados, como el de la figura
&, uno a continuacin de otro. 8tro ejemplo que podra adaptarse al
diagrama est# dado por valor de las tierras, de donde precisamente
5avid Bicardo construy el concepto de renta.

FIGURA 1: Autocorrelacin espacial positiva: valor de las propiedades en una
ciudad segn la distancia a un punto central









FUENTE: Elaboracin propia

,or el contrario, ser negativa, cuando la presencia de ese fenmeno
"aga imposible o disminuya significativamente las posibilidades de
que ese mismo fenmeno pueda ocurrir en las regiones colindantes.
)n tal caso, la representacin se aproximar# a un tablero de ajedrez,
como en la figura 2.

FIGURA 2: Autocorrelacin espacial negativa










FUENTE: Elebarocin propia

2.3 Fuentes de autocorrelacin espacial
Las principales fuentes de autocorrelacin espacial pueden ser los
errores de medida y la propia interaccin espacial de las unidades. )n
trminos econmicos, los efectos desbordamiento 'spillovers+ pueden
generar la autocorrelacin espacial. )sto se "a visto potenciado con
los procesos de integracin econmica.


3. La matri de pesos espaciales
)n el an#lisis de series temporales es usual utilizar un operador de
rezago, para capturar la influencia de las observaciones pasadas en la
din#mica de la serie y el valor de la realizacin contempor#nea. 8tra
razn por la que resulta relevante tiene que ver con la posibilidad de
realizar pronsticos. 5e esta manera, la influencia del rezago
temporal es unidireccional3 las realizaciones pasadas afectan a las
presentes, y "ar#n lo propio con las futuras, conforme a una
estructura din#mica. A"ora bien, en el marco del an#lisis espacial se
establecen relaciones multidireccionales, por lo que resulta necesario
construir una matriz que permita incluirlas de manera adecuada al
an#lisis.
La matriz de pesos espaciales 'tambin denominada matriz de
contactos o matriz de proximidad espacial+ y simbolizada con W, es
una matriz cuadrada de NxN 'siendo N el nmero de unidades
espaciales+, no estoc#stica cuyos elementos 'w
Ij
+ reflejan la
intensidad de la interdependencia entre cada par de regiones i, j
'(oreno y <ay#, %...+.
)l valor que asume cada w
Ij
se basa en las siguientes
determinaciones de adyacencias. 5e manera simplificada w
Ij
= 1, si
dos regiones son contiguas y w
Ij
= u en caso contrario. 7picamente
los elementos de la diagonal principal son cero, pues ninguna regin
puede ser vecina de s misma. La figura ilustra un ejemplo
"ipottico3

FIGURA 3: Ilustracin de una matriz de pesos espaciales


A B C D E
A 0 1 1 0 0
B 1 0 1 1 0
C 1 1 0 1 1
D 0 1 1 0
E 0 0 1 1 0
FUENTE: Elaboracin propia

A
B
C
D
E
)n algunos casos suele normalizarse la matriz W por filas. )sto es, se
divide cada elemento w
Ij
por la suma de fila a la que pertenece. 5e
esta forma, la suma de los pesos asociados a cada #rea es igual a &.
,or otra parte, de acuerdo con 0apoor et. al. '%..2+ la matriz W debe
ser delimitada de manera uniforme y en valor absoluto, lo que implica
la existencia de una constante c < tal que

1 i N |w
]
|
N
]=1
c

mxmo
y 1 ] N |w
]
|
N
=1
c

mxmo
'&+

para producir los resultados asintticos exigidos por una estimacin
consistente.
La matriz de pesos espaciales desempeCa un papel fundamental en la
incorporacin de las relaciones espaciales de las variables al modelo.
)n el contexto de una nica ecuacin, por ejemplo, es posible generar
una matriz de rezago espacial de la variable endgena 'WY+, a partir
de multiplicar la matriz W por un vector de variables endgenas Y, de
rden Nx1. 8tra posibilidad consiste en incorporar otras variables
espacialmente rezagadas, desde una matriz de variables X de orden
Nxk, reflejado en las columnas de la matriz WX.

3.1 Criterios ha!ituales de contig"idad
Dsualmente los criterios de contig?idad 'o de vecindad+ m#s
utilizados son los que se resumen en la figura !, a continuacin3

FIGURA 4: riterios de contig!idad en la matriz de pesos espaciales" Retardo
espacial de primer orden




Matriz torre (rook) de primer orden




Matriz reina (queen) de primer orden




Matriz alfil (bishop) de primer orden
FUENTE: Elaboracin propia
5onde los casilleros grises son vecinos del casillero negro, en tanto
que los casilleros blancos no son considerados contiguos respecto a
los negros. Los criterios presentados ilustran situaciones de
contig?idad de primer orden. Eo obstante, en algunos problemas
puede resultar particularmente til el abordaje a partir de
contig?idades de segundo orden.

FIGURA 3: riterios de contig!idad en la matriz de pesos espaciales" Retardo
espacial de segundo orden






Matriz torre (rook) de primer orden






Matriz reina (queen) de primer orden
















Matriz alfil (bishop) de primer orden
FUENTE: Elaboracin propia

)n general, no existen situaciones que requieran la adopcin de un
criterio de vecindad que vaya m#s all# del segundo orden. )n todo
caso, sera necesario explorar otras "iptesis de vecindad que
respondan a otras formulaciones sobre la base de especificaciones
econmicas o geogr#ficas alternativas, como pueden ser3 la distancia
entre dos unidades, el nivel de intercambio comercial entre diferentes
regiones o pases, etc. )n todos los casos, lo que resultar# importante
aqu, ser# escoger variables que sean operativas. )n la prxima
seccin se presentan algunas de las formulaciones alternativas m#s
difundidas.

3.2 #tras especificaciones para la matri de contactos
)xisten numerosos criterios para definir cu#ndo dos regiones pueden
considerarse vecinas. La reseCa de procedimientos presentada a
continuacin no pretende ser ex"austiva, pero los mismos
constituyen las alternativas m#s difundidas.
&+ $liff y 8rd '&19&+ construyeron una matriz sobre la base de la
distancia que separa a dos regiones i y ], 'J
]
+, ponderada por el
tamaCo de la frontera que presenta en comn '[
]
+. )n este caso la
formulacin da lugar a una matriz asimtrica. 5e esta forma los
elementos de W se reducen a3
w
]
= (J
]
)
-u
([
]
)
b
'%+
5onde o y b son par#metros a estimar. Anselin '&19.+, comenta que
dic"os par#metros suelen ser dados a priori y no estimados
conjuntamente+.
%+ Fodson y ,eeters '&12G+ "an sugerido que la matriz W considere
un criterio de accesibilidad general. )sto es, que tenga en cuenta y
combine los distintos canales de comunicacin entre regiones. )n
consecuencia, esta formulacin permite redefinir el concepto de
vecindad, ya que para serlo "abr# de "aber buenos canales de
comunicacin entre las regiones. La formulacin analtica de esta
propuesta se expresa como3
w
]
= k
n
_
u
|1+b-cxp (-c
]
d
i]
)]
_
N
n=1
'H+
*iendo3
k
n
la importancia relativa de la va de comunicacin n,
N el nmero de vas de comunicacin,
J
]
la distancia entre las regiones i y ].
o, b y c
]
son par#metros a estimar.
H+ $ase et al" '&11H+ "an propuesto que la matriz W se sustente en
distancias econmicas. )n este caso, se asumir# que una regin es
vecina de otra cuando esas distancias, en trminos de alguna variable
econmica operativa, sea pequeCa 'lo que deber# ser definido por el
investigador+. A menudo, desde esta perspectiva, la distancia
econmica es entendida como la reduccin de los costos de
transaccin asociados a la interrelacin econmica de regiones
lejanas entre s 'no contiguas+. )sto es presumiblemente provocado
por mejoras que se asocian a condiciones econmicas estructurales
similares y costos de informacin m#s bajos.


$. %l an&lisis e'ploratorio de datos espaciales ()%*%+
)l an#lisis exploratorio de datos espaciales ;A)5)= 'o )*5A por sus
siglas en ingls )xploratory *patial 5ata Analysis+ es comnmente
considerado un subconjunto del an#lisis exploratorio de datos ; A)5=
'o )5A =)xploratory 5ata Analysis=+ que se ocupa de las
caractersticas distintivas de datos geogr#ficos, con especial nfasis
en los problemas de autocorrelacin espacial y "eterogeneidad
espacial 'Anselin, &119I :aining, &11.+.
)l A)5) puede definirse como un @una coleccin de tcnicas para
describir y visualizar distribuciones espaciales, identificar
localizaciones espaciales atpicas o outliers espaciales, descubrir
patrones de asociacin espacial, clusters o puntos calientes, y sugerir
regmenes espaciales u otras formas "eterogeneidad espacialA
'Anselin, &119I p. /+.
5e esta forma, al igual que el A)5, el A)5) procura detectar en los
datos posibles patrones y sugerir "iptesis sobre posibles relaciones
entre las variables involucradas en el an#lisis. 5entro de la coleccin
de tcnicas incluidas en el A)5) se encuentran3
<isualizacin de distribuciones espaciales
<isualizacin de asociacin espacial
4ndicadores locales de asociacin espacial 'L4*A ; Local
4ndicator of *patial Association=+
4ndicadores multivariados de asociacin espacial
)l desarrollo de nuevos paquetes inform#ticos y el mejoramiento de
otros que ya existan, "an permitido a dic"as tcnicas alcanzar su
potencial como procedimiento para proponer posibles conexiones
entre las variables. )n el caso de aplicacin, al final del captulo, se
trabajar# con el softJare libre #pen$eo%a desarrollado por Luc
Anselin en la Arizona *tate Dniversity.

$.1 ,cnicas gr&ficas
)xisten dos perspectivas para llevar a cabo un A)5) a partir de
tcnicas gr#ficas. ,or un lado, la aproximacin geoestadstica y por el
otro, la aproximacin lattice. 5e acuerdo con Anselin '&119+ la
principal diferencia entre estas dos tcnicas se encuentra en la forma
en la que la proximidad espacial es formalizada.
Abordaje geoestadstico
)n este el supuesto de procesos espaciales continuos conduce al uso
de la distancia mtrica como medio para organizar las observaciones.
Al respecto, Anselin '&119, p. G+ sostiene3 @5ado que la asociacin
espacial se asume como una funcin suave de la distancia, una
medida formal de la 'no+similitud entre dos observaciones, como la
diferencia al cuadrado, es comparada con la distancia que los separa.
Dn mayor grado de autocorrelacin espacial implica pequeCas
diferencias en distancias cortas y diferencias crecientes en distancias
mayores. La funcin formal que operacionaliza esta nocin es el
variograma Kver, e.g., $ressie '&11H+ para detalles tcnicosL. Las
tcnicas del A)5) desde la geoestadstica radican en las formas en
las que el variograma puede ser visualzado, resumido y probado para
la presencia de no estacionariedades locales u otra conducta atpica.
Dn importante aspecto de esta visualizacin es que las entidades en
un variograma pertenecen a pares de observaciones 'separadas por
una distancia dada+, y no a localizaciones individuales.A
Las tcnicas gr#ficas de esta perspectiva se concentran en3
La funcin de distribucin acumulativa
)l &o' (lot del variograma
La nube del variograma multivariado

La aproximacin lattice
)n este mtodo las observaciones tienen car#cter discreto. )n
consecuencia, la formalizacin de las similitudes espaciales se
desarrolla de una manera diferente a la empleada por el anterior
abordaje.
@)l concepto clave aqu es la nocin de vecino espacial, que conduce
a la construccin de matrices de pesos espaciales y variables
espaciales rezagadasA 'Anselin, &119I p. >+.
5e esta forma, las "erramientas del A)5) en la perspectiva lattice
intentan reflejar la asociacin entra las variables y sus rezagos
espaciales, para diferentes definiciones de valores similares y para
diferentes pesos espaciales.
Los instrumentos m#s tiles son3
)l )o' map
)l "istograma regional
)l scartterplot de (oran
Los mapas L4*A
)l scartterplot multivariante

$.2 -edidas de asociacin espacial glo!al
)l an#lisis de autocorrelacin espacial global realiza un examen
conjunto de todas las unidades que componen la muestra para
determinar si las unidades espaciales se encuentran distribuidas
aleatoriamente o si, por el contrario, lo "acen conforme a un patrn
determinado.
)xisten tres contrastes desarrollados para ese propsito, que se
describen a continuacin3 la I de (oran, la C de Meary y la 0(J) de
Metis y 8rd.

La expresin analtica del contraste de (oran es3
I =
N
S
0
w
i]
(x
i
-x )(x
]
-x )
N
i]=1
(x
i
-x )
N
i=1
'/+
con i = ], donde x

representa el valor de la variable cuantitativa x


para la regin i, N el tamaCo muestral, w
]
los pesos espaciales de
una matriz de contactos W y S
0
la sumatoria de los pesos espaciales.
La distribucin de la I de (oran es asinttica normal |N~(u,1)] cuando
N es grande.

,ara el caso de la $ de Meary, la formulacin es3
C =
N-1
2S
0
w
i]
(x
i
-x
]
)
N
i]=1
(x
i
-x )
N
i=1
'G+
con i = j, donde los elemento tienen el mismo significado que en la
expresin anterior. La C de Meary tambin asinttica normal |N~(u,1)]
cuando N es grande.

6inalmente, la expresin de la 0(J) es3
0(J) =
w
i]
d(x
i
x
]
)
N
]=1
N
i=1
x
i
x
]
N
]=1
N
i=1
'>+

con i = ], siendo i y ] vecinos siempre que se encuentren a una
distancia J. )l contraste se distribuye normal |N~(u,1)] para N grande.
Etese que este contraste es aplicable slo a variables positivas y
naturales.

La formulacin de los contrastes descriptos anteriormente puede
llevarse a cabo con cualquier especificacin de matriz W, como las
descriptas en las secciones "1 y "2. Eo obstante, los resultados
finales de los contrastes, respecto a la determinacin de
autocorrelacin global o no, son sensibles a esas especificaciones.
8tro factor de sensibilidad para con los resultados de los contrastes
son las transformaciones que pueden sufrir las variables. ,or estas
razones, resulta til ensayar varias formulaciones alternativas de
matriz W.
La autocorrelacin o dependencia espacial detectada podr# ser
negativa, positiva o nula. *er# negativa cuando los valores se
concentren en los cuadrantes 44 y 4< del scatterplot de (oran
'representacin en reales de la I de (oran, dada una configuracin
determinada de la matriz W+. )n el caso de valores concentrados en
los cuadrantes 4 y 444, "abr# autocorrelacin positiva. 6inalmente,
"abr# autocorrelacin nula, si la nube de puntos se encuentra
dispersa en los cuatro cuadrantes.

$.3 -edidas de asociacin espacial local
Los contrastes analizados en la seccin anterior presentan una fuerte
limitacin3 no son capaces de considerar situaciones de aglomeracin
'clusters+ en un #rea determinada, para la que cabra esperar valores
m#s bajos o m#s altos si existiese una distribucin "omognea
'(oreno y <ay#, %...+. )sto implica que un determinado esquema de
autocorrelacin espacial, detectado mediante contrastes globales,
pueda no mantenerse para toda la muestra.
,ara la deteccin de aglomeraciones 'clusters+ resulta til el an#lisis
de autocorrelacin espacial local. )ste procedimiento permite medir la
autocorrelacin espacial para la ubicacin de cada observacin y est#
basado en el 4ndicador Local de (oran.
5e acuerdo con Anselin '&11G+ un indicador L4*A 'Local 4ndicator of
*patial Association+ es un estadstico que satisface dos
requerimientos3 por un lado, proporciona una cuantificacin del grado
de agrupamiento significativo de valores similares alrededor de una
observacin, y por otro lado, la suma de los L4*ANs para todas las
observaciones es proporcional a un indicador global de asociacin
espacial, por lo que resulta til para medir la contribucin de cada
observacin al valor del contraste global 'slo para el caso de la I de
(oran+.
)ste an#lisis en tambin particularmente til para detectar la posible
presencia de localizaciones que muestren valores altos respecto a la
media de otros emplazamientos colindantes, y para las variables de
inters, o viceversa.
Los contrastes m#s relevantes para el an#lisis de la autocorrelacin
local son3 la I de (oran y la 0(J) de Metis y 8rd.

La expresin analtica del contraste de (oran es3
I =
z
i
z
i i
N /
w
]
Z
] ]e]
i
'2+
5onde Z

representa el valor de la regin i para la variable


normalizada y [

el conjunto de regiones vecinas a i. N es el tamaCo


muestral. La distribucin de la I de (oran es asinttica normal
|N~(u,1)] cuando N es grande. 6inalmente, si el valor de la I es
positivo, denotar# la existencia de un cluster de valores similares.

La expresin de la M'd+ es3
0(J) =
w
i]
d(x
]
)
N
]=1
x
]
N
]=1
'9+
con i = ], siendo i y ] vecinos siempre que se encuentren a una
distancia J, x la variable de inters no normalizada. )l contraste se
distribuye normal |N~(u,1)] para N grande. Etese que este contraste
es aplicable slo a variables positivas y naturales.


.. %l an&lisis confirmatorio
)l an#lisis confirmatorio se ocupa de las diferentes especificaciones
posibles para la inclusin del fenmeno espacial en un modelo. ,ara
ello, existen diferentes contrastes diseCados para detectar la
existencia de dependencia espacial, y en tal caso su tipologa.
,ara el testeo de dependencia espacial sustantiva son "abituales los
contrastes basados en los multiplicadores de Lagrange, el L(=LAM
propuesto por Anselin '&199+ y el test L(=L) de Fera y Ooon '&11%+.
)l L(=L) es robusto frente a la existencia de un trmino de
perturbacin correlacionado espacialmente.
,ara la dependencia espacial residual es frecuente la utilizacin de los
contrastes L(=)BB 'Furridge, &19.+ y su versin robusta L(=)L 'Fera
y Ooon, &11%+, tambin basados en los multiplicadores de Lagrange.
La ventaja del test L(=)L es que resulta robusto ante posibles
especificaciones errneas locales como la presencia de una variable
endgena retardada espacialmente '(oreno y <ay#, %...3 p. 9%+.
6inalmente, el test *AB(A permite contrastar la e'istencia con*unta
de am)os tipos de dependencia espacial.
,ara comprender luego las diferentes tipologas de dependencia
espacial, considrese el siguiente modelo de partida3
y = X +
~N(u, o

2
I
N
)
'1+
5onde X es una matriz de NxK con variables explicativas.

..1 La dependencia espacial sustanti/a
La dependencia espacial sustantiva 'tambin conocida como modelo
lag+ se presenta como un caso en el que el valor de una regin
depende del valor de sus regiones vecinas 'definidas segn una
matriz W de contactos+.
La especificacin de un modelo de este tipo viene dado por la
siguiente expresin3
y = pWy +X +s '&.+
5onde y es un vector 'Nx1+ de las N observaciones de la variable
dependiente, W representa la matriz de pesos, es el par#metro
autorregresivo que recoge la intensidad de las interdependencias
entre las N observaciones muestrales 'coeficiente de autocorrelacin
espacial+, Wy es el retardo espacial de la variable y, X es una matriz
de k variables exgenas, y s un trmino de perturbacin ruido blanco.
*e torna evidente en la expresin '1+ que la omisin del retardo
espacial derivara en un incremento del trmino de perturbacin, que
pasara a reflejar dic"a autocorrelacin espacial.
La contrastacin de la existencia de dependencia espacial sustantiva,
en ausencia de dependencia espacial residual, se lleva a cabo
mediante el test LN-LAu cuya expresin es la siguiente3
LN-LAu =
|(e
i
Wy)S
2
]
2
R[
p-[

*iendo3
e un vector de residuos ($8 de la regresin representada por '1+
W una matriz de contactos definida ex ante,
S
2
la estimacin de la varianza residual del modelo representado por
'1+,
R[
p-[
= I1 +|(WX)
i
M(WX)]S
2
, donde I1 representa la traza de
(WW+W
2
) y M es una matriz idempotente, M = I -X(X
i
X)X
i


La versin robusta del IH -IA0 frente a la existencia de un trmino
de perturbacin correlacionado espacialmente, est# dado por el
IH -IE, segn la siguiente expresin3
LN-LE =
|(e
i
Wy)S
2-(e
|
We) S
2
/
]
2
R[
p-[
-I1

7eniendo los smbolos los mismos significados que la expresin
anterior.
)n ambos contrastes, la "iptesis nula es la existencia de
dependencia espacial sustantiva, lo que implica = u en la ecuacin
'&.+, frente a la alternativa de = u.

..2 La dependencia espacial residual
La dependencia espacial subyacente puede ser residual cuando su
origen no sea la dependencia sustantiva, en cuyo caso la correcta
especificacin vendra dada por el siguiente modelo de error espacial3

y = X +s
s = iWs +
~N(u, o

2
I
N
)
'&&+

La autocorrelacin espacial es recogida aqu por z a travs del
trmino de perturbacin del modelo, s. La dependencia espacial
residual podra explicarse @por la omisin de variables no cruciales
que se "allen correlacionadas espacialmente o por la existencia de
errores de medidaA '(oreno y <ay#, %...3 p. >1+.
La contrastacin de dependencia espacial en el trmino perturbacin
puede llevarse a cabo mediante los contrastes basados en los
multiplicadores de Lagrange L(=)BB y L(=)L. )l primero de ellos,
utilizado en situaciones de perturbaciones "omoced#sticas y ausencia
de dependencia espacial sustantiva, presenta la siguiente expresin
analtica3
LN-ERR =
|(e
i
We)S
2
]
2
I1

5onde los smbolos tienen el mismo significado que en las
expresiones anteriores. A"ora bien, si existe "eterocedasticidad, el
L(=)BB debe modificarse para considerar esta situacin3
LN-ERR
ocducdud
=

(e
i

-1
We)
S
2

2
I
~
2
(1)
*iendo I = (WW+W
-1
W) y la distribucin de la varianza de un
modelo como '&&+ pero con "eterocedasticidad.
,or otra parte el test L(=)L, que es una versin robusta del L(=)BB
frente a posibles especificaciones errneas locales como la presencia
de una variable endgena retardada espacialmente, presenta la
siguiente estructura3
IH -EI =
|NI]
2
I1

donde I es el contraste de (oran y N el tamaCo muestral.
)n ambos casos, la "iptesis nula es la ausencia de dependencia
espacial en el trmino perturbacin, lo que implica z = u en la
ecuacin '&&+, frente a la alternativa de existencia de un esquema de
media mvil o autorregresivo en el trmino de la perturbacin, z = u.


0. ,ratamiento de la heterogeneidad espacial
0.1 Contrastacin de heterogeneidad espacial
La "eterogeneidad espacial puede exteriorizarse a travs de dos
formas3 la "eterocedasticidad o la inestabilidad estructural.
Los "abituales contrastes de Freusc"=,agan y P"ite, comnmente
utilizados en el an#lisis cl#sico, son tambin v#lidos aqu, siempre que
no exista alguna otra especificacin errnea, como la dependencia
espacial o inestabilidad estructural. )n estos ltimos casos, los
contrastes mencionados anteriormente ya no resultar#n adecuados y
requieren de algunas modificaciones.
La razn por la que la contrastacin de la "eterogeneidad se realiza
en ausencia de algn tipo de dependencia espacial, se debe a que los
modelos espaciales 'con dependencia sustantiva o espacial+ aCaden
un componente espacial a cambio de imponer "omogeneidad en los
efectos espaciales. )sto es, se considera que la estimacin del
par#metro espacial es v#lida para todas las regiones y que el residuo
de las ecuaciones '&.+ '&&+ tendr# un car#cter aleatorio.

0.2 %specificacin de un modelo con heterogeneidad espacial
Dna de las soluciones m#s difundidas para modelos con
"eterogeneidad espacial, "a consistido en especificar y estimar un
modelo de e'pansin lineal espacial. $onsidrese un modelo como el
siguiente3

= +[X + '&%+

La expansin se realiza para la constante, como as tambin para los
[. Las coordenadas podr#n actuar como variables de expansin,
siendo la variable que considera la tendencia norte=sur y la
tendencia este=oeste. Fajo estas consideraciones, se tiene que3

=
0
+
1

+
2

'&H+
[

= [
0
+[
1

+[
2

'&/+

5onde los valores de ordenada al origen y pendiente cambiar#n
segn la regin i.
4ncorporando '&H+ y '&/+ en '&%+, se obtiene que3

=
0
+
1

1
+
1

1
+
2

2
+
2

2
++

+[
1

+[
2

'&G+

)n esta ltima expresin los par#metros varan en el espacio, dando
lugar a estimaciones consistentes.
8tra posibilidad, igualmente difundida, "a consistido en realizar la
expansin segn las regiones formen parte de una regin ncleo o
una regin marginal 'o centro vs. periferia en otros trminos+.


CASOS DE ESTUDIO, PREGUNTAS Y
PROBLEMAS

%1ercicio con 2eoda3 4adios censales de 4o Cuarto

La 2ase +e +a!os +el Censo +e Po2lac%,n +e la P"o;%nc%a +e C,"+o2a= "eal%0a+o en 2::5= es!6
$u2l%ca+a en )!!$BEEes!a+#s!%ca.c2a.*o;.a" en +os ;e"s%onesB $o" local%+a+es F $o" "a+%o censal.
La !a2la o"*an%0a+a $o" local%+a+es 'ue u!%l%0a+a $a"a an6l%s%s e7$lo"a!o"%o.
La !a2la o"*an%0a+a $o" "a+%o censal= Gue con!%ene 145< ;a"%a2les F 1/1 o2se";ac%ones. Es!a
2ase 'ue soe!%+a a an6l%s%s e7$lo"a!o"%o= clas%'%cac%,n F se*en!ac%,nH +e acue"+o al "esul!a+o
o2!en%+o se )an selecc%ona+o cua!"o ;a"%a2lesB
I11B $e"sonas con neces%+a+es 26s%cas %nsa!%s'ec)as
?1(2B )o*a"es con $%sos +e ala cal%+a+
I-B )o*a"es con con+%c%ones san%!a"%as +e'%c%!a"%as
A115B uAe"es con es!u+%os !e"c%a"%os o su$e"%o"es co$le!os
Es!e conAun!o +e ;a"%a2les es!6 o"*an%0a+o en Ta2la1.7ls7 +on+e= a+e6s= se encuen!"an el
%+en!%'%ca+o" +e '%las 8INDECJID9= la '"acc%,n= el "a+%o F la +%s!anc%a en!"e los "a+%os.



5ntroduccin a #pen2eo*a
>eo+a es un so'!Ka"e l%2"e Gue es!6 +%s$on%2le en )!!$sBEE*eo+acen!e".asu.e+uEH es necesa"%o
"e*%s!"a"se coo usua"%o $a"a o2!ene" una l%cenc%a= s%en+o es!e "e*%s!"o *"a!u%!o. Es!e so'!Ka"e
$e"%!e *eo""e'e"enc%a" en a$as ;a"%a2les o2se";a+as en un !e""%!o"%o F "eal%0a" an6l%s%s +e
)e!e"o*ene%+a+ F au!oco""elac%,n es$ac%al.
El so'!Ka"e cons%s!e en un a"c)%;o au!oeAecu!a2le Gue se encuen!"a en el a"c)%;o 0%$ea+o
O$en>eoDaLM%n+oKs.

Al cl%cNea" en el a"c)%;o 0%$ea+o se o2se";a el eAecu!a2le

al cl%cNea" so2"e l se eAecu!a el $"o*"aa= cuFa $an!alla es la 2a""a +e )e""a%en!as.


O$en >eo+a !"a2aAa con !"es a"c)%;osB
Una !a2la +e +a!os en 'o"a!o +2'
Un a$a en 'o"a!o s)$
Un ;#nculo en 'o"a!o s)7
Es!e Ol!%o ;%ncula la !a2la +e +a!os con el a$a. Los a"c)%;os s)$ F s)7 se $ue+en *ene"a" en
>eoDa= $a"a lo cual se neces%!an las coo"+ena+as +el es$ac%o a *eo""e'e"enc%a". El a"c)%;o +2'
se o2!%ene $o" cons!"ucc%,n a $a"!%" +e un a"c)%;o E7cel. CaF ;a"%os so'!Ka"e Gue $e"%!en
con;e"!%" un a"c)%;o E7cel en +2'= en!"e ellos se encuen!"a el $aGue!e O$enO''%ce Pso'!Ka"e
l%2"e Gue se o2!%ene +es+e KKK.o$eno'%cce.o"*H $a"!%cula"en!e= O$enO''%ceCalc Gu%en !%ene
una $analla s%%la" a E7cel

Se +e2e %" a A"c)%;oL>ua"+a" cooQ

selecc%ona" la ca"$e!a +on+e *ua"+a" el a"c)%;o F el !%$o +e a"c)%;o= aGu# es necesa"%o
selecc%ona" +2ase 8.+2'9 F +a"le un no2"e al a"c)%;o Gue se ;a a *ene"a"

Cuan+o se *ua"+a el a"c)%;o= a$a"ece un cua+"o +e +%6lo*o Gue $e"%!e con'%"a" el 'o"a!o=
se +e2e selecc%ona" Mantener el formato actual. Lue*o se ;e o!"o cua+"o +e +%6lo*o $a"a
selecc%ona" el conAun!o +e ca"ac!e"es= se ace$!a el Gue a$a"ece $o" +e'ec!o.


A)o"a se !%enen




%n+ec.+2' coo"+ena+as +el a$a
%n+ec.s)$ a$a
%n+ec s)7 ;%ncula coo"+ena+as F a$a
!a2la1.+2' +a!os a anal%0a"
!a2la1.7ls +a!os a anal%0a"


El lo*o +e O$en>eoDa +e colo"es !%$o $ale!a +e $%n!o"


Crear un entorno de tra!a1o
Pa"a coen0a" a !"a2aAa" se +e2e selecc%ona" el a$a asoc%a+o a la !a2la +e +a!os. Pa"a es!o
se s%*ue la secuenc%a File-Open Shapefile F se local%0a el a"c)%;o %n+ec.s)$H al )ace" cl%cN en
a2"%" se o2se";a el a$a +e "a+%os censales +e R#o Cua"!o.


Pa"a ;e" la %n'o"ac%,n Gue !%ene %n+ec.+2'= se +e2e )ace" cl%cN en o$en !a2le. La %n'o"ac%,n
con!en%+a en %n+ec.+2' son las coo"+ena+as +el a$a 8AREA F PERIMETER9= INDECJID es la
lla;e 8NeF ;a"%a2le9 F $e"%!e ane7a" +a!os +e %n!e"s a es!a !a2la= es!a ;a"%a2le ;a +el 1 al 11(H
la %n'o"ac%,n Gue s%*ue )ace "e'e"enc%a a la $"o;%nc%a 8PROR1- es C,"+o2a9= +e$a"!aen!o
8DEPR<5 es R#o Cua"!o9= local%+a+ 8LOCR14: es la c%u+a+ +e R#o Cua"!o9= '"acc%,n 8.RA9 F
"a+%o8RAD9= es!os +os Ol!%os asuen +%'e"en!es ;alo"es +e o+o Gue ca+a co2%nac%,n sea
On%ca. Es necesa"%o "e;%sa" la !a2la +e +a!os +on+e se encuen!"a la %n'o"ac%,n +e %n!e"s $a"a
Gue co%nc%+a la %n'o"ac%,nH es +ec%"= Gue la !a2la +e +a!os +e %n!e"s !en*a en la $"%e"a '%la
la %n'o"ac%,n co""es$on+%en!e a la '"acc%,n - F al "a+%o 4= F as# suces%;aen!e.

Pa"a e$ala" los +a!os +e %n!e"s Le7%s!en!es en Ta2la1.+2'L con las coo"+ena+as +e
%n+ec.+2'= se +e2e %" a Table-Merge Table Data. Se +es$l%e*a el cua+"o +e +%6lo*o Gue $e"%!e
con'%*u"a" la 'us%,n +e los +a!os. En Import file se +e2e selecc%ona" el a"c)%;o +2' Gue con!%ene
la %n'o"ac%,n +e %n!e"s. La 'us%,n $ue+e )ace"se a !"a;s +e una ;a"%a2le lla;e o a !"a;s +el
o"+en +a+o a las '%lasH es +ec%"= s% )aF se*u"%+a+ +e Gue el o"+en en el Gue se encuen!"an los
+a!os co%nc%+e con el o"+en +a+o en la !a2la Gue con!%ene la %n'o"ac%,n $a"a *eo""e'e"enc%a=
se $ue+e usa" la se*un+a o$c%,n Merge by recorder. Se o2se";a en la ;en!ana Exclude las
;a"%a2les con!en%+as en el a"c)%;o Gue se es!6 'us%onan+o= las cuales +e2en a+Gu%"%" el "ol +e
Include $a"a Gue e'ec!%;aen!e sean e$ala+asH al cl%cNea" en Me"*e= a$a"ece la !a2la con
!o+a la %n'o"ac%,n.




Pa"a *ua"+a" es!a !a2la= se s%*ue la secuenc%a Table-Save Selection-dd !ariable-dd-pply-O".
El no2"e en #e$ file name lo o'"ece $o" +e'ec!o= s% a$a"ece el ensaAe +e la Ol!%a %a*en=
s%*n%'%ca Gue





2eorreferencia de las /aria!les
Pa"a )ace" *eo""e'e"enc%a se !"a2aAa +es+e la )e""a%en!a Map. Al selecc%ona" la o$c%,n
%uantile map= es necesa"%o %n+%ca" la ;a"%a2le Gue se Gu%e"e *eo""e'e"enc%a" Pen es!e caso I11L
el cua+"o +e +%6lo*o s%*u%en!e sol%c%!a la can!%+a+ +e clases en la Gue se ;a a $a"!%c%ona" el
"eco""%+o +e la ;a"%a2le Pse o$!a $o" / clasesLH es!a con'%*u"ac%,n "eal%0a el *"6'%co $a"a los
Gu%n!%les +e la ;a"%a2le I11. Las 0onas +e colo" 6s %n!enso "e'%e"en los lu*a"es +on+e la
;a"%a2le "e*%s!"a ;alo"es 6s al!os.


De %*ual ane"a se !"a2aAa con el "es!o +e los a$as. Po" eAe$lo= el a$a +e $e"cen!%les
8Map &ercentile Map' *ene"a la %a*en

F el a$a +e los +es;#os Map E(t)ndar De(viation Map= $"esen!a los "a+%os censales con
aFo" ;a"%a2%l%+a+



5ndicadores del espacio
En la )e""a%en!a Space se encuen!"a el In+%ce +e Mo"an= !an!o la ;e"s%,n $a"a su c6lculo
*lo2al coo $a"a el c6lculo +el local. La secuenc%a a se*u%" es Space-*nivariante Moran+( I-
(eleccionar la variable a anali,ar- el c6lculo +e es!e %n+%ca+o" "eGu%e"e una a!"%0 +e $esos Gue
se cons!"uFe +es+e .reate ne$ $eight( file. La secuenc%a es la selecc%,n +el a"c)%;o s)$
8Shapefile9= %n+%ca" la ;a"%a2le lla;e 8SeF ;a"%a2leB INDECJID9/ selecc%ona" la a!"%0 +e $esos a
cons!"u%" 8$o" eAe$lo= %ueen contiguity con Order of contiguity %*ual a 59. Al %n+%ca" .reate=
a$a"ece selecc%ona+a $o" +e'ec!o la a!"%0 %n+ec.*al. Al ace$!a" es!a con'%*u"ac%,n= se o2se";a
el In+%ce Mo"6n un%;a"%an!e F la *"6'%ca +e las au!o""elac%ones es$ac%ales.




Pa"a conoce" el %n+%ca+o" Un%;a"%an!e local +e Mo"an 8LISA9= la secuenc%a es Space 0
*nivariante 1ocal Moran2(I 31IS'-(elecci4n de variable= el cua+"o +e +%6lo*o s%*u%en!e $e"%!e
selecc%ona" en!"e los a$as F la *"6'%ca Gue *ene"a la cons!"ucc%,n +e es!e %n+%ca+o".


LISA clus!e" a$

LISA S%*n%'%cance Ma$

Mo"an Sca!e" Plo!


6erramienta regresin
Pa"a )ace" "e*"es%,n se u!%l%0a Method(-5egre(ion= el cua+"o +e +%6lo*o Gue se a2"e $e"%!e
%n+%ca" el !#!ulo +e la sal%+a %$"esa en $an!alla 85eport file9= el a"c)%;o +on+e se Gu%e"e
*ua"+a" el "esul!a+o 8Ouput file name9 F la %n'o"ac%,n a %nclu%" 8Information in the ouput
include(9. El cua+"o +e +%6lo*o s%*u%en!e $e"%!e selecc%ona" las ;a"%a2les Gue 'o"a"6n $a"!e
+el o+elo +e "e*"es%,nH las 'lec)as $e"%!en as%*na" a las ;a"%a2les un "ol en el o+elo= se
selecc%ona la a!"%0 +e $esos= se o$!a $o" el o+elo cl6s%co F se eAecu!a 85un9 la con'%*u"ac%,n
Gue +a lu*a" al "esul!a+o 8Re*"ess%on Re$o"!9.








4%F%4%7C5)8 959L5#24:F5C)8
ANSELIN, L. (1988): Lagrange Multiplier test Diagnostic for Spatial Dependence and Spatial
Heterogeneity, Geographical Analysis, Vol. 20-1, pp. 1-17.
ANSELIN, L. (1988): Spatial econometrics: methods and models, Kluwer Academic
Publishers, Boston.
ANSELIN, L. (1995). Local Indicators of Spatial Association LISA, Geographical Analysis,
Vol. 27, pp. 93115.
ANSELIN, L. (1996). The Moran Scatterplot as an ESDA Tool to Assess Local Instability in
Spatial Association. In M. Fischer, H. Scholten, and D. Unwin (eds.), Spatial Analytical
Perspectives on GIS. London: Taylor and Francis, pp. 111125.
ANSELIN, L. (1998): Exploratory Sapatial Data Analysis in a Geocomputational
Environment. Regional Research Institute and Department of Economics. West Virginia
University. Actas de la conferencia de GeoComputacin 1998, Bristol (UK).
BERA, A. K. y YOON, M. J. (1992): Simple Diagnostic test for spatial dependence,
University of Illinois, Department of Economics (mimeo). Champaing, IL: Department of
Economics, University of Illinois.
BODSON, P. y PEETERS, D. (1975): Estimation of the coefficients of a linear regression in
the presence of spatial autocorrelation. An application to a Belgian labour-demand function,
Environment and Planning, pp. 455-472.
BURRIDGE, P. (1980): On the Cliff-Ord Test for Spatial Autocorrelation, Journal of the
Royal Statistical Society B, Vol. 42, pp. 107-108.
CASE, A., ROSEN, H. y HINES, J. (1993): Budget spillovers and fiscal policy
interdependence: evidence from the states, Journal of Public Economics, Vol. 52, pp. 285-307.
CLIFF, A. y ORD, J. (1981): Spatial Process. Models and Applications. Pion. Londres.
CORRADO, L. y FINGLETON, B. (2011): Where is the Economics in the Spatial
Econometrics, Discussion Papers in Economics, N 11-01, pp. 1-34.
CRESSIE, N. (1993): Statistics for Spatial Data (Revised Version). New York. Wiley.
HAINING, R. F. (1990): Spatial Data Analysis in the Social and Environmental Sciences.
Cambridge, Cambridge University Press.
KAPOOR, M.; KELEJIAN, H. H. y PRUCHA, I. R. (2007): Panel Data Models with Spatially
Correlated Error Components, en Journal of Econometrics, Vol. 140 (1), pp. 97-130.
MORENO, R. y VAY, E. (2000): Tcnicas economtricas para el tratamiento de datos
espaciales: La econometra espacial, Edicions Universitat de Barcelona, Barcelona.
PAELINK, J.; MUR, J. y TRVEZ, J. (2004): Econometra Espacial: ms luces que sombras
en Estudios de Economa Aplicada, Vol. 22 (3), pp. 383-404.
PAELINCK, J. y KLAASSEN, L. (1979): Spatial Econometrics. Farnborough, Saxon House.
POSADA, L. J. (1978): Fundamentos econmicos-espaciales de la teora de Centros de
Desarrollo, Agricultura y Sociedad, N 6, Ministerio de Agricultura y Comercio de Espaa.
Pp. 137-180.

Das könnte Ihnen auch gefallen