| Titre | Spatial regression model of households: a case of the Czech Republic | |
|---|---|---|
| Auteur | Jaroslav Kraus | |
 |
Revue | Espace Populations Sociétés |
| Numéro | no 1, 2022 Mutations des familles et des ménages : structures, dynamiques spatiales et migrations | |
| Résumé |
Au cours des dernières décennies, les schémas des ménages et des familles ont considérablement changé. D'une part, on peut remarquer un plus petit nombre d'enfants vivant dans des familles, ainsi qu'une réduction du nombre de familles en général en raison du faible taux de fécondité et du report de la maternité en Europe. En revanche, la proportion de ménages d'une personne et de familles sans enfants parmi les personnes plus âgées a augmenté de manière significative en raison du vieillissement de la population.La question de recherche est de savoir dans quelle mesure ces changements dans la structure des ménages sont spatialement homogènes et si la proportion de ménages d'un type donné sur un territoire donné peut être expliquée par d'autres variables démographiques telles que l'âge, l'éducation, l'état civil ou l'activité économique.Les principes susmentionnés peuvent être démontrés par l'exemple des données sur les ménages, dont la détection et l'analyse ultérieure font partie intégrante des recensements de la population. Pour résoudre ce problème, il est possible d'utiliser des méthodes d'analyse de données spatiales, qui peuvent être définies comme une analyse de données quantitatives, dans lesquelles l'explication dépend de variables spatiales explicites lors de la prédiction du phénomène étudié sur la base de l'autocorrélation spatiale.L'hypothèse de régression spatiale est l'existence d'une autocorrélation. Les résultats du I de Moran et du C de Geary montrent que l'autocorrélation pour les deux types de ménages s'est avérée statistiquement significative et augmente à mesure que la distance entre les éléments adjacents (c'est-à-dire les municipalités) diminue.L'âge est un facteur important affectant la structure des ménages. Les résultats pour les deux types de ménages montrent que les tranches d'âge les plus influentes sur la création de ménages d'une personne ou de ménages unifamiliaux peuvent également être utilisées pour créer un modèle spatial. Une affirmation similaire s'applique à l'âge moyen. L'éducation a montré que la part des personnes ayant une éducation primaire n'a pas d'influence sur la régression spatiale, contrairement à la part des personnes ayant une éducation secondaire ou universitaire. Dans le cas de l'état matrimonial, il y a une régression spatiale statistiquement significative pour les ménages unipersonnels, mais pas clairement pour les ménages unifamiliaux. L'activité économique ou l'emploi est statistiquement significatif pour une simple régression, même dans un petit territoire comme la République tchèque.Pour la solution, il est possible d'utiliser plusieurs types de modèles proposés par la théorie (économétrique). Dans le cas des ménages, le modèle spatial de Durbin (SDM) est relativement largement utilisé, du fait de la prise en compte à la fois des effets d'interaction endogènes et exogènes, selon les critères choisis (Log Likelihood, AIC, SBC). Cependant, les résultats des autres modèles (SAR, SEM, SDEM) ne sont pas significativement différents. Source : Éditeur (via OpenEdition Journals) |
|
| Résumé anglais |
In recent decades, household and family patterns have changed significantly. On one hand, one can notice a smaller number of children living in families, as well as a reduction of family numbers in general as a result of the low fertility rate and the postponement of childbearing in Europe. On the other hand, there has been a significant increase in the proportion of one-person households and families without children among people at an older age because of population ageing.The research question is to what extent these changes in the structure of households are spatially homogeneous and whether the proportion of households of a given type in a given territory can be explained by other demographic variables such as age, education, marital status or economic activity.The above-mentioned principles can be demonstrated by the example of data for households, whose detection and subsequent analysis is an integral part of population censuses. To solve this problem, it is possible to use spatial data analysis methods, which can be defined as a quantitative data analysis, in which the explanation is dependent on explicit spatial variables when predicting the investigated phenomenon based on spatial autocorrelation.The assumption of spatial regression is the existence of autocorrelation. The results of both Moran's I and Geary's C show that the autocorrelation for both types of households was found to be statistically significant and increases as the distance between adjacent elements (i.e. municipalities) decreases.Age is an important factor affecting the structure of households. The results for both types of households show that the age groups with the greatest influence on the creation of one-person households or one-family households can also be used to create a spatial model. A similar claim applies to the average age. Education showed that the share of persons with primary education has no influence on spatial regression, unlike the share of persons with secondary or university education. In the case of marital status, there is a statistically significant spatial regression for one-person households, but not clearly for one-family households. Economic activity or employment is statistically significant for simple regression even in a small territory such as the Czech Republic.For the solution, it is possible to use several types of models offered by (econometrics) theory. In the case of households, the spatial Durbin model (SDM) is relatively widely used, because of the inclusion of both endogenous and exogenous interaction effects, based on the criteria chosen (Log Likelihood, AIC, SBC). However, the results for other models (SAR, SEM, SDEM) are not significantly different. Source : Éditeur (via OpenEdition Journals) |
|
| Article en ligne | http://journals.openedition.org/eps/12307 |
