MULTIPARAMETRIC AND HIERARCHICAL SPATIAL AUTOREGRESSIVE MODELS: THE EVALUATION OF THE MISSPECIFICATION OF SPATIAL EFFECTS USING A MONTE CARLO SIMULATION

• Authors: Edyta Łaszkiewicz

Title variants

WIELOPARAMETRYCZNE I HIERARCHICZNE MODELE PRZESTRZENNEJ AUTOREGRESJI. EWALUACJA SKUTKÓW BŁĘDNEJ SPECYFIKACJI EFEKTÓW PRZESTRZENNYCH NA PODSTAWIE SYMULACJI MONTE CARLO

• Languages of publication: EN

Abstracts

EN

The aim of this paper is to evaluate the spatial and hierarchical models for data generating processes with spatial heterogeneity and spatial dependence at the higher level. The simulation for the m-SAR and HSAR models was used to discuss the consequences of spatial misspecification. We noticed that the misspecification of spatial homogeneity or heterogeneity in both models affects i.a. the estimated parameter for spatial interactions at the individual level. Applying a m-SAR model for spatially heterogeneous processes causes the overestimation of the spatial interaction parameter.

PL

Artykuł ma na celu przetestowanie modelu przestrzennego i hierarchicznego, przeznaczonych do analiz procesów przestrzennych cechujących się przestrzenną heterogenicznością i autoregresją, pod kątem skutków błędnej specyfikacji efektów przestrzennych. W badaniu wykorzystano symulację Monte Carlo, którą przeprowadzono dla modelu m-SAR i HSAR. Wyniki badania wskazują, że błędne rozpoznanie przestrzennej homogeniczności lub heterogeniczności procesu wpływa negatywnie m.in. na oszacowania parametru interakcji przestrzennych na poziomie indywidualnym. Zastosowanie modelu m-SAR do analizy procesu z przestrzenną heterogenicznością skutkuje przeszacowaniem parametru interakcji przestrzennych.

Keywords

EN

Spatial model; hierarchical model; Monte Carlo; Bayesian estimation.

PL

Model przestrzenny; model hierarchiczny; estymacja Monte Carlo; Bayesowska.; Model przestrzenny; model hierarchiczny; estymacja Monte Carlo; Bayesowska.

• Publisher: Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
• Journal: Acta Universitatis Lodziensis. Folia Oeconomica
• Year: 2014
• Volume: 5
• Issue: 307

Dates

published

2015-05-18

Contributors

author

Edyta Łaszkiewicz

• University of Lodz, Faculty of Economics and Sociology, Departament of Spatial Econometrics.

References

• Anselin L. (1988), Spatial Econometrics: Methods and Models, Vol. 4. Springer.
• Baltagi B. H., Fingleton B., Pirotte A. (2014), Spatial lag models with nested random effects: An instrumental variable procedure with an application to English house prices, “Journal of Urban Economics”, 80, pp. 76-86.
• Chasco C., Le Gallo J. (2012), Hierarchy and spatial autocorrelation effects in hedonic models, “Economics Bulletin”, 32 (2), pp. 1474-1480.
• Corrado L., Fingleton B. (2012), Where is the economics in spatial econometrics?, “Journal of Regional Science”, 52(2), pp. 210-239.
• Dong G., Harris R. J. (2014), Spatial Autoregressive Models for Geographically Hierarchical Data Structures, “Geographical Analysis”.
• Elhorst J. P., Lacombe D. J., Piras G. (2012), On model specification and parameter space definitions in higher order spatial econometric models, “Regional Science and Urban Economics”, 42 (1), pp. 211-220.
• Getis A., Fischer M. M. (2010), Handbook of Applied Spatial Analysis: Software Tools, Methods and Applications, Springer.
• Goldstein H. (2011), Multilevel statistical models, vol. 922, John Wiley & Sons.
• Hays J. C., Kachi A., Franzese Jr. R. J. (2010), A spatial model incorporating dynamic, endogenous network interdependence: A political science application, “Statistical Methodology”, 7 (3), pp. 406-428.
• Hepple L. W. (1995), Bayesian techniques in spatial and network econometrics: 2. Computational methods and algorithms, “Environment and Planning A”, 27(4), pp. 615-644.
• Hoogland J., Boomsma A. (1998), Robustness studies in covariance structure modeling: An 14 overview and a meta-analysis, “Sociological Methods and Research”, 26(3).
• Łaszkiewicz E. (2013), Sample size and structure for multilevel modelling: Monte Carlo investigation for the balanced design, “Metody Ilościowe w Badaniach Ekonomicznych”, XIV-2”, pp. 19-28.
• López-Hernández F. A. (2013), Second-order polynomial spatial error model. Global and local spatial dependence in unemployment in Andalusia, “Economic Modelling”, 33, pp. 270-279.
• Lottmann F. (2013), Spatial dependence in German labor markets, Doctoral dissertation, Humboldt-Universität zu Berlin, Wirtschaftswissenschaftliche Fakultät.
• Olejnik A. (2009), Metodologia i zastosowania modeli przestrzenno-autoregresyjych w badaniach rozwoju regionalnego, Doctoral dissertation, University of Lodz.