Statistică aplicată și Data Science

C6. Panel spațial

Estimare în R
I. MODELUL CLASIC DE TIP PANEL
• Studiul datelor de tip panel înseamnă analiza în comun a observaţiilor în secţiune transversală (sau
crossecțională de ex., indivizi, regiuni, ţări), realizate în mai multe perioade succesive de timp (de ex., ani,
luni) => dubla variație: în spațiu și timp.

• Modelul clasic de regresie liniară simplă, pentru datele de tip panel:

yit = α + βxit + 𝜇i + 𝛾t + εit ,

unde:
• i = 1, 2, ..., N (regiuni, ţări ...), t = 1, 2, ..., T (timpul),
• Variabilele yit şi xij - înregistrarea unor fenomene în regiunea i, la momentul t,
• α şi β - parametrii modelului,
• εit - erorile.
• 𝜇i - efecte fixe individuale (pentru fiecare regiune i)
• 𝛾t - efecte fixe temporale (pentru fiecare an t)
I.1. MODELUL CU EFECTE FIXE

yit = α + βxit + 𝜇i + 𝛾t + εit ,

𝜇i - efecte fixe individuale = efecte specifice fiecărei observații

(indivizi/regiuni), care sunt invariante în timp, indiferent dacă sunt
observabile (gen, educație etc.) sau neobservabile (preferințe, abilități etc.)
-> exprimă eterogenitatea individuală

𝛾t - efecte fixe temporale = efecte comune tuturor observațiilor, care se

modifică în timp (de ex., o modificare în legea salarizării, criză economică
etc.).
I.2. MODELUL CU EFECTE ALEATORII - eterogenitatea individuală este modelată
luând în considerare efecte individuale aleatorii specifice (constante în timp).

yit = α + βxit + 𝜇it ,

𝜇it = αi + εit

• presupunem că această eterogenitate individuală neobservabilă nu este

corelată cu xit (condiție obligatorie)
• spre deosebire de modelul cu efecte fixe, efectele individuale nu mai sunt
parametri de estimat, ci realizări ale unei variabile aleatorii => model adecvat
dacă specificitățile individuale sunt legate de cauze aleatorii.
• este de preferat modelului cu efectele fixe atunci când indivizii din eșantion
sunt selectați dintr-o populație mai mare și obiectivul studiului empiric este de
a generaliza la întreaga populație rezultatele obținute.
• Avantaj: furnizează estimări mai exacte decât cele derivate din modelul cu
Avantajele analizei datelor de tip panel
1. Panelul, prin efectele specifice estimate, poate surprinde particularităţile
individuale, structurile invariante dintr-o unitate teritorială, sau particularitățile unui
moment dat în timp -> distorsiunea indusă prin agregarea datelor poate fi astfel
redusă sau eliminată.
2. Aduce un spor de informaţie prin surprinderea variabilităţii individuale.
3. Reduce fenomenul de multicoliniaritate a variabilelor.
4. Dimensiunile mai mari ale eșantionului îmbunătățesc acuratețea estimărilor ->
creşte numărul gradelor de libertate şi, implicit, puterea testelor, deci gradul de
încredere în rezultatele obţinute.
5. Creşte eficienţa şi consistenţa estimărilor econometrice.
6. Permite construirea şi testarea unor modele comportamentale mai complexe decât
modelele bazate pe analiza separată a seriilor de timp sau a structurilor transversale.
7. Permite o mai bună analiză a dinamicii ajustărilor structurale.
8. Informațiile suplimentare legate de utilizarea dimensiunii individuale a datelor fac
posibilă explicarea prezenței eterogenității neobservabile.
9. Se pot modela relații dinamice.
Limite:
• dificultatea asigurării datelor, pentru toate unităţile teritoriale şi toate
momentele succesive de timp (acoperirea cu date a întregului teritoriu) ->
panel nebalansat
• posibile erori de măsurare
• problemele de selecţie
• dimensiunea redusă a seriilor de timp
• autocorelarea spaţială etc.
 II. PANEL SPAȚIAL
II.1. Modelul cu lag spatial și erori spatiale

yit   wij y jit    k xkit  i + t   it

j k

 it   wij jit  vit

j
i = regiunile; t = timpul; Wij = ponderile spațiale
Obs. In pachetul xsml pt panel spațial în R, notațiile
folosite pentru parametrii spațiali 𝜆 și ⍴ sunt inversate!
w y
j
ij jit spatial lag pentru variabila dependentă Efecte fixe în spațiu (i)
și timp (t)
w 
j
ij jit spatial lag pentru erori

Similar modelelor transversale (cross-section), introducerea efectelor spațiale în modelele

panel face posibilă luarea în considerare a interdependenței dintre unitățile teritoriale.
EFECTELE FIXE

yit   wij y jit    k xkit  i + t   it

j k

• Variabila μ estimează efectul specific individual, invariant în timp asupra

i
variabilei endogene y (efectul fix în spațiu);

• Variabila estimează efectul specific temporal, invariabil în structurile

t
transversale (același pentru toate regiunile)→ efectul asupra endogenei y la
momentul t (efectul fix în timp).
EFECTELE ALEATOARE

yit   wij y jit    k xkit  uit

j k

uit i    wiju jit  vit

j

• Variabila μi estimează efectul specific individual, neobservabil al variabilelor neincluse în

model asupra mărimii variabilei endogene în unitatea i.
• Modelul panel cu efecte aleatoare presupune că μi şi vit sunt variabile aleatoare
independente una faţă de cealaltă, de medie nulă, nu sunt autocorelate, nu sunt
heteroscedastice şi au abaterile standard σμ, σv.
• Modelul de acest tip se aplică atunci când analizăm N unităţi alese întâmplător dintr-o
populaţie de mari dimensiuni.
Influența unei variabile xk asupra modificării  yi a variabilei dependente (pentru
modelele cu lag Y și/sau lag X):

• Influență directă => în aceeași regiune i

yi
S k (W ) ii 
xik
• Influență indirectă => în regiunile învecinate j

yi
S k (W ) ij 
x jk
Prin alegerea diferitelor setări pentru parametrii modelului spațial general, pot fi
obținute și alte specificații spațiale:

Modelul spațial autoregresiv (SAR) se referă la situația în care dependența spațială este
inclusă numai în variabila dependentă, deci ⍴ = 0.
yit = 𝜆 ∑j wij yjit + ∑k βkxkit + μi + 𝛾t + εit

eroare, deci 𝜆 = 0.
Modelul cu erori spațiale (SEM) consideră dependența spațială numai în termenul de

yit = ∑k βkxkit + μi + 𝛾t + εit

 it   wij  jit  vit
j
Comanda R pentru estimarea panelului spatial

• formula = ec ➟ numele ecuatiei de regresie definite anterior (de ex., ec)

• data = mydata ➟ identifică datele aplicației (de ex., mydata)
• listw = W ➟ identifică matricea spațială (de ex., W); listw2 – a doua matrice spațială (dacă este
diferită de prima, de ex. la modelul cu lag Y și lag erori)
• model = "within” ➟ efecte fixe; model = "random” ➟ efecte aleatoare; model = ”pooling” ➟ fără
efecte
• lag = TRUE / FALSE ➟ modelul include lag-ul variabilei dependente Y (=TRUE) sau nu (=FALSE)
• [Link] ➟ modelul include erori spațiale: "none": λ = 0 (SAR); "b": λ ̸= 0 (lag spatial erori);
"kkp": autocorelație spațială și în efectele individuale
• index = NULL (implicit) sau un vector text pentru identificarea indicilor printre coloanele de
variabile din baza de date
• … alte opțiuni
Validarea modelelor spațiale -> Testul marginal SLM2 Baltagi, Song și Koh

Baltagi, Song și Koh SLM2 marginal test (funcția bsktest în R, prin selectarea opțiunii
testului = "LM2"), având ipoteza alternativă "autocorelație spațială"
-> arată dacă mai există autocorelație în erorile modelului spațial estimat.

Ex. comandă:
test2 <- bsktest(x = fm, data = mydata, listw = W, test = "LM2")
Test2
Efecte fixe sau aleatoare?

Avem două teste:

1. Baltagi, Song și Koh SLM1 marginal test

H0: fixe
H1:aleatoare

2. Spatial Hausman test

H0: aleatoare
H1:fixe
Efecte fixe sau aleatoare?

1. Baltagi, Song și Koh SLM1 marginal test (funcția bsktest setată

la “LM1”; ipoteza alternativă: efecte aleatoare) -> arată ce tip de
efecte (fixe sau aleatoare) sunt mai potrivite pentru datele
analizate.

test1 <- bsktest(x = fm, data = mydata, listw = W, test = "LM1")

ÞTipul adecvat de efecte:
• fixe (dacă nu respingem ipoteza nulă)
• aleatoare (dacă respingem H0).
Efecte fixe sau aleatoare?

2. Spatial Hausman test (funcția sphtest) selectează tipul de efecte (fixe

sau aleatoare);
- cele doua modele, cu efecte fixe si aleatoare, sunt estimate separat și
comparate apoi

Ipotezele testului Hausman

H0: estimatorul „efecte aleatoare” e consistent => efectele aleatoare sunt
preferate deoarece sunt mai eficiente
H1: estimatorul „efecte aleatoare” e inconsistent => efectele fixe sunt
preferate, deși sunt mai puțin eficiente
Exemplu. Comenzi R pentru testul Hausman

1. Estimăm modelul spatial cu efecte aleatoare ("random"), lag spatial si erori

spatiale
mod1 <- spgm(formula = fm, data = mydata, listw = listw1, lag = TRUE, moments =
"fullweights", model = "random", [Link] = TRUE)

2. Estimăm modelul spatial cu efecte fixe ("within"), lag spatial si erori spatiale
mod2 <- spgm(formula = fm, data = mydata, listw = listw1, lag = TRUE, model =
"within", [Link] = TRUE)

testHausman <- sphtest(x = mod1, x2 = mod2)

testHausman
Obs. Uneori cele două teste pentru selectarea efectelor fixe sau aleatoare
(Baltagi, Song și Koh SLM1 marginal test și Spatial Hausman test) indică rezultate
diferite => în acest caz se preferă efectele fixe.

Argumente în favoarea efectelor fixe

• experiența empirică a arătat că efectele fixe sunt mai potrivite pentru datele
spațiale
• de regulă, datele nu provin dintr-o selecție (recomandare pentru utilizarea
efectelor aleatoare), ci sunt analizate toate unitățile teritoriale dintr-o anumită
zonă geografică
• o condiție pentru utilizarea efectelor aleatoare: efectele individuale aleatorii
specifice nu sunt corelate cu variabilele explicative xit. Această condiție este
frecvent încălcată => efectele aleatoare nu sunt adecvate.
Testele LM pentru dependența spațială (Locally robust panel Lagrange Multiplier tests
for spatial dependence)

• versiuni de panel ale testelor LM simple și robuste, folosite in Geoda

• varianta implicită nu permite niciun fel de efect individual (model="pooling") => este
recomandabilă o transformare (efecte fixe sau aleatoare) ori de câte ori nu pot fi excluse
efectele specifice

Comanda:
slmtest(formula, data, listw, model="pooling/within /random", test=c("lme","lml","rlme","rlml"))

Se alege tipul testului:

lml – test LM pt lag spațial
lme – test LM pt erori spațiale
rlml – test robust LM pt lag spațial
rlme – test robust LM pt erori spațiale
Ex. TESTE pentru determinarea tipului dependenței spațiale în modelul cu efecte fixe

# Test 1 - Test LM pentru dependență de tip lag spatial (ipoteză alternativă: dependență de
lag spațial)
slmtest(ec, data= mydata, listw = W, test="lml", model="within")

# Test 2 - Test LM pentru dependența de eroare spațială (ipoteză alternativă: dependență de

eroare spațială)
slmtest(ec, data= mydata, listw = W, test="lme", model="within")

# Test 3 - Test local LM robust pentru dependență de tip lag spațial cu eroare spațială
(permițând erori spațiale) -> ipoteză alternativă: dependență de lag spațial
slmtest(ec, data= mydata, listw = W, test="rlml", model="within")

# Test 4 - Test local LM robust pentru dependență de tip eroare spațială cu lag spațial
(permițând lag spațial) -> ipoteză alternativă: dependență de eroare spațială
 APLICAȚIE
Analiza factorilor determinanți ai variației teritoriale a Produsului intern brut pe locuitor în România,
la nivel de județ, în perioada 2001-2016.

Variabile
Variabila dependentă
• [Link] = Produsul intern brut pe locuitor, preturi constante 1995 (lei)

Variabile explicative
• [Link] = investitii brute anuale pe locuitor (euro/loc)
• [Link] = stocul de investitii străine directe pe locuitor (euro/loc) la sfârșitul anului
• [Link] = rata șomajului (%)
• [Link] = densitatea populației (numărul de locuitori/ km2)
• criza = variabilă dummy: 1 pentru anii de criză economică (2009 si 2010), 0 în rest
Variabilele au fost logaritmate, mai putin cele exprimate prin rate sau variabilele
Datele sunt în format panel
(ordonate vertical, întâi unitățile
teritoriale, apoi anii)

Librăriile pentru analizele

spațiale de tip panel:
"spdep”, ”splm"
Matricea de ponderi spațiale W

Varianta 1. Importăm matricea creată in Geoda

Folosim o matrice de vecinătate Queen de ordinul I (numită [Link]) creată
anterior în Geoda. Aceasta va fi transformată în format listw, specific pentru R:

nb <- [Link]("[Link]", [Link]=TRUE)

listw <- nb2listw(nb, style="W", [Link] = TRUE)
class(listw)
summary(listw)
W= listw
Ecuația de regresie
ec= log([Link]) ~ log([Link]) + log([Link])+ [Link]+[Link]+criza

Vom estima panelul spațial în două variante: efecte fixe și efecte aleatoare.

1. Estimarea modelului spatial cu efecte fixe ("within"), lag spatial si erori spatiale (Fixed
effects panel with spatial errors and lag)
fespaterr_lag <- spml(ec, data = mydata, listw = W, model="within", [Link]="b", lag =
TRUE)

Vizualizarea rezultatelor estimării modelului

summary(fespaterr_lag)
fespaterr_lag$sigma2
Output - Rezultatele pentru modelul cu efecte fixe

Parametrii spațiali (⍴ pentru

erorile spațiale și 𝛌 pentru
lagul Y) sunt ambii
semnificativi.

Toate variabilele
explicative sunt
semnificative statistic.
Vizualizarea efectelor fixe
effects <- effects(fespaterr_lag)
effects(fespaterr_lag)

Efecte fixe spațiale sunt

semnificative (Pr < 0.05)
pentru marea majoritate a
județelor.
TESTE pentru determinarea tipului dependenței spațiale în modelul cu efecte fixe

# Test 1 - Test LM pentru dependență de tip lag spatial (ipoteză alternativă: dependență de
lag spațial)
slmtest(ec, data= mydata, listw = W, test="lml", model="within")

# Test 2 - Test LM pentru dependența de eroare spațială (ipoteză alternativă: dependență de

eroare spațială)
slmtest(ec, data= mydata, listw = W, test="lme", model="within")

# Test 3 - Test local LM robust pentru dependență de tip lag spațial cu eroare spațială
(ipoteză alternativă: dependență de lag spațial)
slmtest(ec, data= mydata, listw = W, test="rlml", model="within")

# Test 4 - Test local LM robust pentru dependență de tip eroare spațială cu lag spațial
(ipoteză alternativă: dependență de eroare spațială)
Output:
Testele LM pentru
dependență spațială în
modelele cu efecte fixe
arată că există
autocorelație spațială a
variabilei dependente y și
a erorilor (respingem
toate ipoteze nule).
Testele marginale Baltagi, Song și Koh SLM1 și SLM2

Test LM1 (ipoteza alternativă ”efecte aleatoare")

-> arată ce tip de efecte (fixe sau aleatoare) sunt mai potrivite pentru datele analizate.
test1 <- bsktest(x = fm, data = mydata, listw = W, test = "LM1")
Test1

Test LM2 (ipoteza alternativă "autocorelație spațială")

-> arată dacă mai există autocorelație în erorile modelului spațial estimat.

test2 <- bsktest(x = fm, data = mydata, listw = W, test = "LM2")

Test2
Output Test LM1

Indică respingerea ipotezei nule și alegerea modelui cu efecte aleatoare.

Output Test LM2

Nu respingem ipoteza nulă => nu mai exista autocorelatie spatiala in

reziduurile modelului
Spatial Hausman test: cele doua modele, cu efecte fixe (mod2) si aleatoare (mod1),
sunt estimate separat și comparate

mod1 <- spgm(formula = fm, data = mydata, listw = listw1, lag = TRUE, moments =
"fullweights", model = "random", [Link] = TRUE)

mod2 <- spgm(formula = fm, data = mydata, listw = listw1, lag = TRUE, model =
"within", [Link] = TRUE)
testHausman <- sphtest(x = mod1, x2 = mod2)
testHausman

Ipotezele testului Hausman

H0: estimatorul „efecte aleatoare” e consistent (absența corelației între efectele individuale
și variabilele explicative) => efectele aleatoare sunt preferate deoarece sunt mai eficiente
H1: estimatorul „efecte aleatoare” e inconsistent => efectele fixe sunt preferate
Output –> modelul cu efecte fixe sau aleatoare?
Testul Hausman pentru modelele cu lag spațial al variabilei dependente (lag = TRUE) și cu
erori spațiale ([Link]=TRUE):

Nu putem respinge ipoteza nulă (p–val = 0.063) => nu avem argumente pentru a alege
modelul cu efecte fixe => efectele aleatoare sunt preferate ca fiind mai eficiente.
Rezultatul este în concordanță cu testul LM1, care a indicat tot modelul cu efecte
aleatoare.
Rezultatele estimării modelului cu efecte aleatoare, lag spațial și erori spațiale
(modelul cel mai bun pentru datele aplicației).

Toate variabilele
(inclusiv lagul spațial
lambda) sunt
semnificative statistic.
Concluzii

• Testul marginal Baltagi, Song și Koh SLM1 și testul Hausman pentru panel spațial
resping efectele fixe => modelul cu efecte aleatoare este preferabil celui cu
efecte fixe.

• Toate modelele spațiale sunt semnificative => modelul clasic nu este adecvat
pentru aceste date. Atât lagul spațial, cât și erorile spațiale sunt semnificative
statistic.