| Titre | Spatial panel data forecasting over different horizons, cross-sectional and temporal dimensions | |
|---|---|---|
| Auteur | Matías Mayor, Roberto Patuelli | |
 |
Revue | Revue d'économie régionale et urbaine |
| Numéro | no 1, mai 2015 Espace, statistique et économétrie | |
| Rubrique / Thématique | 1. Revues de littérature et articles méthodologiques |
|
| Page | 149-180 | |
| Résumé |
Les évaluations empiriques de la capacité de prévision des modèles spatiaux en panel sont encore peu nombreuses. Quelques contributions méthodologiques reposent sur des données simulées afin de mettre en avant le potentiel de ces méthodes. Tandis que les simulations peuvent être utiles pour évaluer les propriétés d'un seul estimateur, le cadre empirique des études de simulation est souvent basé sur des hypothèses fortes concernant la forme et la régularité de la distribution statistique des variables utilisées. Il est alors utile d'avoir, à côté des études de simulation, des évaluations empiriques des modèles économétriques concurrents basées sur des données réelles. Dans cet article, nous évaluons des méthodes spatiales (dynamiques) en panel concurrentes, en utilisant un certain nombre de bases de données caractérisées par différentes dimensions temporelles et coupes transversales, ainsi que différents niveaux d'autocorrélation spatiale. Nous réalisons notre étude empirique sur des données de chômage régional pour la France, l'Espagne et la Suisse. En outre, nous faisons des tests sur différents horizons de prévision, afin d'évaluer la vitesse de dégradation de la qualité de prévision. Nous comparons deux classes de méthodes: les modèles Var spatiaux (SpVar) et les modèles dynamiques en panel utilisant des vecteurs propres de filtrage spatial (Sf). Nous constatons que, comme l'on pouvait s'y attendre, le déséquilibre entre la dimension temporelle et transversale (T > > n) joue en faveur du modèle SpVar. Néanmoins l'avantage du modèle de SpVar sur le modèle SF semble diminuer à mesure que l'horizon de prévision s'élargit et le modèle Sf semble être préféré pour des prévisions très lointaines. Source : Éditeur (via Cairn.info) |
|
| Résumé anglais |
Empirical assessments of the forecasting power of spatial panel data econometric models are still scarcely available. Moreover, several methodological contributions rely on simulated data to showcase the potential of proposed methods. While simulations may be useful to evaluate the properties of a single estimator, the empirical set-ups of simulation studies are often based on strong assumptions regarding the shape and regularity of the statistical distribution of the variables involved. It is then valuable to have, next to simulation studies, empirical assessments of competing econometric models based on real data. In this paper, we evaluate competing spatial (dynamic) panel methods, selecting a number of data sets characterized by a range of different cross-sectional and temporal dimensions, as well as different levels of spatial autocorrelation. We carry out our empirical exercise on regional unemployment data for France, Spain and Switzerland. Additionally, we test different forecasting horizons, in order to investigate the speed of deterioration of forecasting quality. We compare two classes of methods: spatial vector autoregressive (SpVar) models and dynamic panel models making use of eigenvector spatial filtering (Sf). We find that, as it could be expected, the unbalance between the temporal and cross-sectional dimension (T > > n) does play in favour of the SpVar model. On the other hand, the advantage of the SpVar model over the Sf model appears to diminish as the forecasting horizon widens, eventually leading the Sf model to being preferred for more distant forecasts. Source : Éditeur (via Cairn.info) |
|
| Article en ligne | http://www.cairn.info/article.php?ID_ARTICLE=RERU_151_0149 |
