Économétrie spatiale
Bilan du cours
- Présentation du cours
- Pourquoi l'espace compte en économétrie
- La matrice de pondération spatiale
- Détecter la dépendance spatiale (Moran, Geary, LISA)
- Le modèle autorégressif spatial (SAR)
- Le modèle à erreurs spatiales (SEM)
- Modèles généraux et choix de spécification (SDM, SAC, tests LM)
- Effets directs, indirects et totaux
- Panels spatiaux
- Applications, régression géographiquement pondérée et limites (MAUP)
- Bilan du cours
Économétrie spatiale
Chapitre 9 : Bilan du cours
Neuf chapitres, un même fil conducteur
Ce que ce cours a résolu, chapitre après chapitre
| Problème | Chapitre | Outil |
|---|---|---|
| Dépendance non détectée | 3 | Moran, Geary, LISA |
| Dépendance logée dans y | 4 | SAR, ML / GMM |
| Dépendance logée dans l’erreur | 5 | SEM, estimateur GM |
| Confusion entre les deux | 6 | SDM, SAC, tests LM |
| Coefficient mal interprété | 7 | effets directs, indirects, totaux |
| Panel ignoré | 8 | panel spatial statique et dynamique |
| Hétérogénéité confondue avec dépendance | 9 | GWR, mise en garde MAUP |
Le fil rouge chiffré
Les quatre régions, du chapitre 1 au chapitre 6
| Chapitre | Calcul | Résultat |
|---|---|---|
| 2 | Décalage spatial (Wy)_A, contiguïté reine | 8 |
| 3 | Signe de l’indice de Moran sur ce même jeu | positif |
| 4 | Multiplicateur spatial, \rho=0.3 | (I-0.3W)^{-1} |
| 7 | Effet direct d’un \beta_k=2 sous ce même \rho | >2 |
Une seule matrice W, construite une fois au chapitre 1, a suffi à illustrer la détection (chapitre 2), l’estimation (chapitre 3) et l’interprétation correcte (chapitre 6) de la dépendance spatiale. Ce n’est pas un hasard pédagogique : c’est la démonstration que W est bien, comme annoncé dès le premier chapitre, l’unique fondation sur laquelle repose tout le reste.
Ce qui reste vrai, et ce qui reste ouvert
Le message central du cours
La régression multiple du cours principal reste le point de départ légitime de toute analyse. Ce cours n’a pas montré qu’elle serait fausse en présence de données géo-référencées : il a montré précisément où et pourquoi l’hypothèse d’indépendance des observations s’y effondre, avec quels outils la détecter, et quel coût chiffré son ignorance impose sur les coefficients estimés.
Chaque outil introduit — W, I de Moran, SAR, SEM, effets directs et indirects — répond à une question précise, jamais à une intuition vague sur « l’espace qui compte ». C’est cette discipline, et non une collection de formules, qui distingue l’économétrie spatiale d’une simple cartographie commentée.
Restent hors du champ de ce cours : l’économétrie spatiale bayésienne, les processus ponctuels spatiaux (répartition d’événements plutôt que valeurs sur des zones), la statistique spatiale sur données de comptage (modèles de Poisson spatiaux), et les réseaux économiques proprement dits — plus proches du cours de Théorie des réseaux que de celui-ci, bien que les deux partagent la même matrice W sous des noms différents.
Synthèse finale
En une phrase
Ignorer l’espace ne le fait jamais disparaître : il se venge dans les résidus, dans les écarts-types, ou dans des coefficients qu’on interprète à tort comme des effets marginaux complets — et la seule parade est de le formaliser explicitement, dès la matrice W.
Ressources du chapitre
- Diapositives
- Polycopié du chapitre
- Exercices corrigés
- Application interactive
- — Vidéo
- QCM (bientôt)