Spatial Econometrics: Statistical Foundations and Applications to Regional Convergence

در سالهای اخیر به اصطلاح جغرافیای اقتصادی جدید و موضوع همگرایی اقتصادی منطقه ای به طور فزاینده ای توجه اقتصاددانان را به تحلیل تجربی داده های منطقه ای و مکانی جلب کرده است. با این حال، حتی اگر روش برای درمان اقتصاد سنجی داده های مکانی به خوبی توسعه یافته باشد، کتاب درسی از نظر تئوری مبتنی بر انگیزه خوب و به راحتی برای اقتصاددانانی که متخصص نیستند وجود ندارد. تکنیک های اقتصاد سنجی فضایی در کتاب های درسی اصلی اقتصاد سنجی کم یا اصلاً مورد توجه قرار نمی گیرند. گاهی اوقات کتاب های درسی استاندارد اقتصاد سنجی چند پاراگراف را به موضوع اختصاص می دهند، اما اکثر آنها به سادگی موضوع را نادیده می گیرند. از سوی دیگر، کتاب‌های اقتصاد سنجی فضایی (مانند Anselin، 1988 یا Anselin، Florax and Rey، 2004) درمان‌های جامع و قابل توجهی از موضوع ارائه می‌دهند، اما همیشه برای افرادی که مدرک اصلی آن‌ها در اقتصاد یا آمار کمی نیست، به راحتی قابل دسترسی نیستند. . هدف این کتاب پر کردن شکاف بین نظریه اقتصادی و روش‌های آماری فضایی است. این کتاب با انگیزه قوی خواننده به سمت مسئله با مثال‌هایی مبتنی بر داده‌های واقعی شروع می‌شود، سپس یک درمان دقیق، مبتنی بر نظریه میدان‌های شکافی، مدل خطی فضایی پایه ارائه می‌کند، و در نهایت موارد ساده‌تر نقض رگرسیون کلاسیک را مورد بحث قرار می‌دهد. مفروضاتی که هنگام برخورد با داده های مکانی رخ می دهند.

In recent years the so-called new economic geography and the issue of regional economic convergence have increasingly drawn the interest of economists to the empirical analysis of regional and spatial data. However, even if the methodology for econometric treatment of spatial data is well developed, there does not exist a textbook theoretically grounded, well motivated and easily accessible to eco- mists who are not specialists. Spatial econometric techniques receive little or no attention in the major econometric textbooks. Very occasionally the standard econometric textbooks devote a few paragraphs to the subject, but most of them simply ignore the subject. On the other hand spatial econometric books (such as Anselin, 1988 or Anselin, Florax and Rey, 2004) provide comprehensive and - haustive treatments of the topic, but are not always easily accessible for people whose main degree is not in quantitative economics or statistics. This book aims at bridging the gap between economic theory and spatial stat- tical methods. It starts by strongly motivating the reader towards the problem with examples based on real data, then provides a rigorous treatment, founded on s- chastic fields theory, of the basic spatial linear model, and finally discusses the simpler cases of violation of the classical regression assumptions that occur when dealing with spatial data.