Диссертация (1138015), страница 3
Текст из файла (страница 3)
(вклад автора 6,7 п.л.).Пять из них опубликованы в российских рецензируемых журналах,рекомендованных ВАК Министерства образования и науки РФ.Список публикаций по теме диссертацииРаботы, опубликованные автором в ведущих рецензируемыхнаучныхжурналах,рекомендованныхВАКМинистерстваобразования и науки РФ:1.Семерикова Е. В.
Безработица в Западной и Восточной Германии:пространственный анализ панельных данных // Прикладная Эконометрика.‒ 2014. ‒ T. 35, № 3. ‒ C. 107–132.2.Семерикова Е., Демидова О. Анализ региональной безработицы вРоссиииГермании:пространственно-эконометрическийподход//Пространственная экономика. ‒ 2015. ‒ T. 42, № 2. ‒ C. 64–85.3.Семерикова Е.
В., Демидова О. А. Использование пространственныхэконометрическихмоделейприпрогнозерегиональногоуровнябезработицы // Прикладная Эконометрика. ‒ 2016. ‒ № 3. ‒ C. 29–51.4.Семерикова Е. В., Демидова О. А. Взаимодействие региональныхрынковтрудавРоссии:анализспомощьюпространственныхэконометрических моделей // Пространственная экономика. ‒ 2016.
‒ № 3.‒ C. 57–80.!135.СемериковаЕ.В.Учетпространственнойзависимостиврегиональных исследованиях. // Горизонты экономики. ‒ 2016. ‒ №6 (32). ‒С. 63–67.Другие работы, опубликованные автором по теме диссертации:6.Semerikova E. V. Differences in Spatial Effects Between West and East:The Case of Regional Unemployment in Germany, in: XV Апрельскаямеждународная научная конференция по проблемам развития экономики иобщества: в 4-х книгах / Отв.
ред.: Е. Г. Ясин. Кн. 2. М. : Издательский домНИУ ВШЭ. ‒ 2015. ‒ С.‒ 159‒170.7.Semerikova E. V. Spatial Patterns of German Labor Market: Panel DataAnalysis of Regional Unemployment, in: Geographical Labor MarketImbalances. Springer Berlin Heidelberg. ‒ 2015. ‒ С. 37‒64.!14Глава 1 Пространственные эконометрические модели:особенности и применениеВданнойглавезатрагивающийдиссертацииосновныепроводитсяэтапыразвитияобзорлитературы,пространственнойэконометрики, описание ключевых спецификаций моделей этой области иконцепции пространственной корреляции.
Описана проблема выборавзвешивающей матрицы, обсуждаемая в литературе, а также предоставленобзор исследований, посвященных анализу безработицы с помощьюпространственныхэконометрическихмоделейиисследований,использующих такие модели для анализа региональных данных. Основныерезультаты раздела 1.2 изложены в работе [Семерикова и др., 2015],раздела 1.3 — в работе [Семерикова, 2016].1.1Возникновение и развитие идей пространственнойэконометрикиРазвитие идей пространственной эконометрики тесно связано сзарождением идеи о пространственной автокорреляции. Среди первыхупоминаний об этой концепции Getis [2008] отмечает Эрнеста ГеоргаРавенштейна, который писал о миграции в 1885, а также работу Тюнена«Изолированноегосударство»[1826].Активноконцепцияпространственной автокорреляции начала развиваться в 50-х годах XXвека в Вашингтонском университете благодаря работам M. F.
Dacey, W. L.Garisson, E. Ulmann и других. Перечисленные географы отмечали важнымвзаимное расположение объектов относительно друг друга. Именно оно,по их мнению, играло наиболее значимую роль для объяснения природычеловеческой активности.Существующие на тот момент коэффициенты пространственнойкорреляции назывались коэффициентами смежности (сontiguity ratios) [см.Geary, 1954; Moran, 1948]. Geary обращал внимание на то, что условиенезависимости остатков регрессии часто не выполняется из-за взаимного!15влияния наблюдений, расположенных близко друг к другу.
Позже идеюучета пространственной корреляции в уравнении регрессии выдвинулиThomas и др. [1965], продолжая идею Робинсона [Robinson, 1956] онеобходимости взвешивать наблюдения в соответствии с влияниемкаждого наблюдения.Особое влияние на развитие пространственной эконометрикиоказала книга «The Problem of Spatial Autocorrelation», положившая началорегиональным исследованиям. Cliff и др. [1968] обратили внимание напроблему спецификации моделей в пространственном анализе, а именнона неверную спецификацию моделей, не учитывающих пространственнуюавтокорреляцию.Позжеавторыопубликоваликнигу«SpatialAutocorrelation» [Cliff и др., 1973], в которой продемонстрировали, как врегрессионном анализе остатки могут тестироваться на присутствиепространственной автокорреляции.Рождение пространственной эконометрики как самостоятельнойдисциплиныобычносвязываютсвозникновениемтермина«пространственная эконометрика».
В мае 1974 на Ежегодной встречеДатской СтатистическойАссоциации в Тильбурге Paelink заявил онеобходимости основать новую отрасль эконометрики, обеспечивающуюметодологическиеосновыдлярегиональныхигородскихэконометрических моделей, и дал ей название «пространственнаяэконометрика». Вместе с Klaassen в первой книге по пространственнойэконометрике [Paelinck и др., 1979] они предложили тесты на выявлениезначимости пространственных параметров, которые и по сей день играютключевую роль в данной дисциплине.Следующий фундаментальный вклад в развитие пространственнойэконометрики внес Anselin в 1988 г. В его книге освещаются основныепринципы пространственной корреляции, ее учета в регрессионныхмоделях, а также последствия неправильной спецификации.
В своей книгеавтор определяет пространственную эконометрику как «набор методов,!16которые работают с особенностями, вызванными пространственнымрасположением, в моделях регионального анализа» (с. 7).Несмотря на то, что к концу 80-х основные пространственноэконометрические модели и методы их оценки уже были предложены влитературе, они еще не представляли интерес для широкого кругаэкономистов, в то время как методы анализа временных рядов былиобязательной частью учебников по эконометрике. Однако было несколькоработ, которые говорили о необходимости учитывать пространственнуюкорреляцию.
В частности, Arbia [2006] указывает на следующих авторов.Например, Johnston [1991] отмечает, что аналогично корреляции остатковво временных рядах, пространственная автокорреляция может проявлятьсяи в случае с кросс-секционными данными. Kmenta [1986] указывает на то,что предположение о независимости остатков часто подвергаетсясомнениям: это предположение может не выполняться в случае, например,если наблюдениями являются регионы. Упоминание о пространственнойкорреляции также встречается в книгах Baltagi [2001]; Maddala [2001].Kennedy [2003] наряду с упоминанием об автокорреляции остатков вовременных рядах говорит о возможном существовании автокорреляцииостатков в пространстве.Основополагающую роль в развитии пространственной экономики, аследовательно и пространственной эконометрики, сыграла идея ДикситаСтиглица, подстегнувшая интерес к несовершенной конкуренции ивозрастающей отдаче от масштаба. Развитие на основе этих идей НовойЭкономическойГеографии,предложенныхКругманом,сталодополнительным стимулом развития пространственной эконометрики.Немалуюрольдляразвитияметодовсыгралатакжевозросшаяпопулярность анализа эффектов соседства в социологии и развитие теориисоциального взаимодействия.Важным толчком в развитии дисциплины, помимо интереса состороны экономистов, стала возрастающая доступность пространственных!17данных, а также развитие таких специальных систем, как GeographicInformation Systems (GIS), позволяющих отслеживать и анализироватьгеографическиеданные.Сегодняпространственнаяэконометрикапредставляют собой быстро развивающуюся дисциплину.
Возросшийинтерескдисциплинеподтверждаетрастущееколичествокниг,обобщающих и объясняющих основные методы и подходы [см. напр.Arbia, 2006; Arbia, 2014; Elhorst, 2014; LeSage и др., 2009].Пространственная корреляция отображает, насколько определеннаяпеременная коррелирована в географическом пространстве. Из различныхопределенийпространственнойкорреляцииGetis[2008]выделяетследующее: она отражает взаимосвязь между некоторой переменной,наблюдаемой в каждом из N местоположений, и мерой географическойудаленности, определенной для всех N ⋅ ( N − 1) пар, выбранных из N[Hubert и др., 1981, c.244].Предложенные Мораном и Гири коэффициенты смежности былитрансформированы в меры пространственной корреляции, и используютсяпо сей день [Geary, 1954; Moran, 1948]. Индекс Морана вычисляется последующей формуле:nI=n∑∑wi =1 j =1ij,n∑ (xi =1где xi и x j( xi − x)( x j − x )i− x)2(1.1)— значение исследуемого показателя в регионах i и jсоответственно; x — средний по n регионам уровень безработицы; wij —элементвзвешивающейматрицы,отображающийтеснотупространственной связи между регионами j и i; n — общее число регионов.!18Индекс пространственной корреляции Гири вычисляется следующимобразом:nC=n(n − 1)∑ ∑ wij ( xi − x j ) 2i =1 j =1n2W ∑ ( xi − x ),2(1.2)i =1где W обозначает сумму по всем wij , остальные обозначения те же, что и виндексе Морана.Индекс Морана принимает значения в интервале [−1; 1]; при этомзначения, близкие к 1, свидетельствуют о высокой положительнойпространственной корреляции, а значения, близкие к −1 — оботрицательной.
Индекс Гири принимает значения в интервале [0; 2], гдезначения от 0 до 1 обозначают наличие положительной корреляции, азначения от 1 до 2 — отрицательной. Данные индексы являютсяглобальными мерами пространственной автокорреляции. Глобальныйиндексвыражаетобщуюстепеньсходстваблизкихрегионоввисследуемой области по переменной Y, в то время как локальный индексрассчитывается для каждого наблюдения и показывает степень сходствакаждого региона с соседними регионами [Pfeiffer и др., 2008]. Значимостьстатистики Морана основывается на вычислении z–статистики.
Нулеваягипотеза: отсутствие пространственной автокорреляции (индекс МоранаI = 0 ). Альтернативная гипотеза: ее существование ( I > 0 или I < 0 ).Можнопоказать,чтопринулевойгипотезеоботсутствиипространственной корреляции на больших выборках индекс распределеннормально [Sen, 1976]. Поэтому в асимптотике статистика стандартнонормально распределена. Для определения значимости индекса Гирииспользуется аналогичный подход.Представленные выше коэффициенты называются глобальными, таккак вычисляются для всей совокупности наблюдений. Anselin [1995]предложил «локализированные» версии этих коэффициентов: локальные!19индикаторы пространственной ассоциации индекс I i Морана и индекс C iГири (Local Indicators of Spatial Association).
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
