Teoretyczne aspekty modelowania przestrzennego w badaniach regionalnych

• Autorzy: Tomasz Kossowski
• Języki publikacji: PL

Abstrakty

Modelowanie przestrzenne jest obecnie jednym z podstawowych narzędzi badawczych wykorzystywanych w analizie regionalnej. Modele przestrzenne są rozszerzeniem klasycznych modeli ekonometrycznych, do których włączane są tak zwane efekty przestrzenne: przestrzenna zależność i przestrzenna heterogeniczność. Artykuł prezentuje podstawy teoretyczne modelowania przestrzennego wraz z definicjami podstawowych pojęć oraz analizą ich własności. Przedstawione są również metody estymacji i diagnostyki modeli przestrzennych. W pracy wskazuje się też z jednej strony na złożoność modelowania przestrzennego, a z drugiej strony na użyteczność takiego podejścia badawczego. Zarysowane zostały także trendy rozwojowe modelowania przestrzennego.(abstrakt oryginalny)

Słowa kluczowe

PL

Planowanie przestrzenne; Macierz wag

EN

Spatial planning; Weight matrix

• Czasopismo: Rozwój Regionalny i Polityka Regionalna / Instytut Geografii Społeczno-Ekonomicznej i Gospodarki Przestrzennej Uniwersytetu im. Adama Mickiewicza w Poznaniu
• Rocznik: 2010
• Numer: nr 12
• Strony: 9--26

Twórcy

autor

Tomasz Kossowski

• Uniwersytet im. Adama Mickiewicza w Poznaniu

Bibliografia

• Anselin L. 1988. Spatial Econometrics: Methods and Models. Kluwer, Dordrecht.
• Anselin L. 1988a. Lagrange Multiplier Test Diagnostics for Spatial Dependence and Spatial Heterogeneity. Geographical Analysis, 20: 1-17.
• Anselin L. 1994. Testing for Spatial Dependence in Linear Regression Models: A Review. West Virginia University, Morgantown, Regional Research Institute Research Paper, s. 94-116.
• Anselin L., Florax R.J.G.M. (red.) 1995. New Directions in Spatial Econometrics. Springer- Verlag, Berlin.
• Anselin L., Bera A.K., Florax R.J.G.M., Yoon M.J. 1996. Simple diagnostic tests for spatial dependence. Regional Science and Urban Economics, 26: 77-104.
• Anselin L., Moreno R. 2003. Properties of tests for spatial error components. Regional Science and Urban Economics, 33: 595-618.
• Bera A., Yoon M. 1992. Simple Diagnostic Tests for Spatial Dependence. University of Illinois, Urbana-Champaign.
• Bivand R.S. 1984. Regression Modelling with Spatial Dependence: An Application of Some Class Selection and Estimation Methods. Geographical Analysis, 16: 25-37.
• Bivand R. 2008. Power calculations for global and local Moran's I. Computational Statistics and Data Analysis, 53, 8: 2859-2872.
• Boots B., Tiefelsdorf M. 2000. Global and local spatial autocorrelation in bounded regular tessalations. Journal of Geographical Systems, 2: 319-348.
• Burridge P. 1980. On the Cliff-Ord Test for Spatial Autocorrelation. Journal of The Royal Statistical Society B, 42: 107-108.
• Cliff A.D., Ord J.K. 1970. Spatial Autocorrelation: A Review of Existing and New Measures with Applications. Economic Geography, 46: 269-272.
• Cliff A.D., Ord J.K. 1972. Testing for Spatial Autocorrelation Among Regression Residuals. Geographical Analysis, 4: 267-284.
• Cliff A.D., Ord J.K. 1973. Spatial Autocorrelation. Pion, London.
• Cliff A.D., Ord J.K. 1981. Spatial Processes: Models and Applications. Pion, London.
• Geary R. 1954. The Contiguity Ratio and Statistical Mapping. The Incorporated Statistician, 5: 115-145.
• Getis A. 2007. Reflections on spatial autocorrelation. Regional Science and Urban Economics, 37: 491-496.
• Getis A., Aldstadt J. 2004. Constructing the Spatial Weights Matrix Using a Local Statistic. Geographical Analysis, 36: 90-104.
• Getis A., Ord J.K. 1992. The Analysis of Spatial Association by Use of Distance Statsitsics. Geographical Analysis, 24: 189-206.
• Griffith D.A. 1996. Some Guidelines for Specifying the Geographic Weights Matrix Contained in Spatial Statistical Models. [W:] S.L. Arlinghaus (red.), Practical Handbook of Spatial Statistics. CRC, Boca Raton.
• Griffith D.A. 2000. Eigenfunction properties and approximation of selected incidence matrices employed in spatial analysis. Linear Algebra and its Applications, 321: 95-112.
• Griffith D.A. 2003. Spatial Autocorrelation and Spatial Filtering, Springer, Berlin-Heidelberg.
• Griffith D.A. 2004. Extreme eigenfunctions of adjacency matrices for planar graphs employed in spatial analyses. Linear Algebra and its Applications, 388: 201-219.
• Griffith D.A. 2010. The Moran coefficient for non-normal data. Journal of Statistical Planning and Inference, 140: 2980-2990.
• Haining R.P. 1978. Estimating Spatial Interaction Models. Environment and Planning A, 10: 305-320.
• Haining R.P. 1995. Data problems in spatial econometric modeling. [W:] L. Anselin, R.J.G.M. Florax (red.), New Directions in Spatial Econometrics. Springer-Verlag, Berlin, s. 156-171.
• Hauke J., Kossowski T. 2008. Moran's coefficient and algebraic characteristics of some standardized connectivity matrices used to measure a spatial autocorrelation. Working Paper of The 17th International Workshop in Matrices and Statistics in honour of Professor Theodore Wilbur Anderson 90th birthday, July 23-26. Tomar, Portugal.
• Janc K. 2006. Zjawisko autokorelacji przestrzennej na przykładzie statystyki I Morana oraz lokalnych wskaźników zależności przestrzennej (LISA) - wybrane zagadnienia metodyczne. [W:] T. Komornicki, Z. Podgórski (red.), Idee i praktyczny uniwersalizm geografii. Dokumentacja Geograficzna, 33: 76-83.
• Janc K. 2007. Wpływ kapitału ludzkiego na efektywność gospodarek lokalnych w Polsce - przykład zastosowania regresji przestrzennej. [W:] P. Brezdeń, S. Grykień (red.), Regionalny wymiar integracji europejskiej. T. IX. IGiRR, Uniwersytet Wrocławski, Wrocław, s. 87-98.
• Kelejian H.H., Prucha I. 1997. 2SLS and OLS in spatial autoregressive model with equal weights. Regional Science and Urban Economics, 32: 691-707.
• Kelejian H.H., Prucha I. 1998. AGeneralized Spatial Two-Stage Least Squares Procedure for Estimating a Spatial Autoregressive Model with Autoregressive Disturbances. Journal of Real Estate Finance and Economics, 17, 1: 99-121.
• Kelejian H.H., Prucha I. 1999. Ageneralized moments estimator for the autoregressive parameter in a spatial model. International Economic Review, 40, 2: 509-533.
• Kelejian H.H., Tavlas G.S., Hondroyiannis G. 2006. ASpatial ModellingApproach to Contagion AmoKopczewska K. 2006. Ekonometria i statystyka przestrzenna z wykorzystaniem programu R CRAN. Cedewu.pl, Warszawa.
• Kosfeld R., Eckey H.-F., Dreger C. 2006. Regional Productivity and Income Convergence in the Unified Germany, 1992-2000. Regional Studies, 40, 7: 755-767.
• Kossowski T. 2006. Modelowanie struktury sieci transportowej regionu wielkopolskiego. Bogucki Wydawnictwo Naukowe, Poznań.
• Kossowski T. 2009. Metody i modele ekonometrii przestrzennej. [W:] Z. Zwoliński (red.), GIS - platforma integracyjna geografii. Bogucki Wydawnictwo Naukowe, Poznań, s. 145-165.
• Kossowski T. 2009a. Konwergencja przestrzenna - aspekty teoretyczne. [W:] P. Churski (red.), Praktyczne aspekty badań regionalnych - varia. Vol. II. Biuletyn Instytutu Geografii Społeczno-Ekonomicznej i Gospodarki Przestrzennej UAM, Seria Rozwój Regionalny i Polityka Regionalna 8: 7-20.
• Kossowski T., Motek P. 2009. Spatial modelling of the local public finance in Poland. [W:] T. Markowski, M. Turała (red.), Theoretical and practical aspects of urban and regional development. Studia Regionalia 24: 152-167.
• Lee L.-F. 2007. GMM and 2SLS estimation of mixed regressive, spatial autoregressive models. Journal of Econometrics, 137: 489-514.
• Lee S.-I. 2001. Developing a bivariate spatial association measure: An integration of Pearson's r and Moran's I. Journal of Geographical Systems, 3: 369-385.
• Maddala G.S. 2006. Ekonometria, Wydawnictwo Naukowe PWN, Warszawa.
• Maćkiewicz B. 2007. Rynek nieruchomości niezabudowanych w Poznaniu i powiecie poznańskim w latach 1995-2000. Bogucki Wydawnictwo Naukowe, Poznań.
• Mobley L., Root E., Anselin L., Lozano N.. Koshinsky J. 2006. Spatial analysis of elderly access to primary care services. International Journal of Health Geographics, 5: 19.
• Moran P.A.P. 1950. Notes on continuous stochastic phenomena. Biometrika, 37: 17-23.
• Olejnik A. 2008. Using the spatial autoregressively distributed lag model in assessing the regional convergence of per-capita income in the EU25. Papers in Regional Science, 87, 3: 371-384.
• Oud J.H.L., Folmer H., Patuelli R., Nijkamp P. 2010. ASpatial-Dependence Continuous- Time Model for Regional Uemployment in Germany. 50th ERSACongress in Jonkoping, Working Paper.
• Paelinck J.H.P. 2000. On aggregation in spatial econometric modeling. Journal of Geographical Systems, 2: 157-165.
• Paelinck J.H.P., Klaassen L.H. 1979. Spatial Econometrics. Gower, Westmead, Farnborough. Ratajczak W. 1980. Analiza i modele wpływu czynników społeczno-gospodarczych na kształtowanie się sieci transportowych. PWN, Warszawa-Poznań.
• Ratajczak W. 2008. Modele ekonometrii przestrzennej w analizie regionalnej. [W:] T. Stryjakiewicz, T. Czyż (red.), O nowy kształt badań w geografii i gospodarce przestrzennej, Biuletyn KPZK PAN, 237: 186-202.
• Suchecki B. (red.) 2010. Ekonometria przestrzenna. Metody i modele analizy danych przestrzennych. Wydawnictwo C.H. Beck, Warszawa.
• Tiefelsdorf M., Boots B. 1995. The exact distribution of Moran's I. Environment and Planning A, 27: 985-999.
• Tiefelsdorf M., Griffith D.A., Boots B. 1998. A Variance Stabilizing Coding Scheme for Spatial Link Matrices. Environment and Planning A, 31: 165-180.
• Tobler W. 1970. Acomputer model simulating urban growth in Detroit region. Economic Geography, 46, 2: 234-240.
• Vazquez E.F. 2010. Empirical versus exogenous spatial weighting matrices: an entropy-based intermediate solution. 50th ERSA Congress in Jonkoping, Working Paper. ng Emerging Economies. Open Economies Review, 17: 423-441.
• Walde J., Larch M., Tappeiner G. 2008. Performance contest between MLE and GMM for huge spatial autoregressive models. Journal of Statistical Computation and Simulation, 78, 2: 151-166.
• Ying L.G. 2003. Understanding China's recent growth experience: Aspatial econometric perspective. The Annals of Regional Science, 37, 4: 613-628.
• Zelias A. (red.) 1991. Ekonometria przestrzenna. PWE, Warszawa