Détails formation en Statistique et méthodes de régression pour données spatiales

Comprendre les enjeux de la prise en compte des effets spatiaux en statistique et en économétrie, mettre en œuvre les méthodes d’estimation adéquates et interpréter les paramètres associés aux variables spatiales.

Connaissances en économétrie (formations Économétrie 1 et Économétrie 2 indispensables ; formation identifier et estimer une relation de cause à effet souhaitable).

L’analyse de données spatiales exige la mise en œuvre d’outils statistiques spécifiques. L’un des plus classiques est la mesure de l’autocorrélation spatiale. Les méthodes de l’économétrie spatiale ont été développées pour tenir compte de cette dépendance spatiale dans les analyses statistiques classiques et éviter que celle- ci n’introduise des biais dans l’estimation des paramètres.La formation présente les outils de base de la statistique spatiale qui vont compléter et enrichir l’approche strictement cartographique. Elle s’attache ensuite à présenter les manières de formaliser les effets spatiaux (effet de débordement et de dépendance spatiale, hétérogénéité) et les différentes spécifications économétriques spatiales ainsi que leur estimation par différentes méthodes. Les tests de spécifications les plus courants seront également exposés. La formation est illustrée par des exemples issus de la littérature récente dans ce domaine et des applications à partir des logiciels R ou Stata.

Introduction : pourquoi et comment utiliser les méthodes de la statistique spatiale ?

Introduction à la statistique spatiale

La boîte à outils d’analyse des données spatiales

Analyse exploratoire des données spatiales

L’étude de l’autocorrélation spatiale en économétrie

Une typologie des modèles spatiaux

Effet multiplicateur et effet de diffusion spatial

Modèle spatialement autorégressif

Modèle à erreur spatialement autocorrélée

Modèle de Durbin spatial

Les tests de spécification

L’étude de l’hétérogénéité spatiale en économétrie

Instabilité des paramètres et inférence statistique

La régression géographique pondérée

Les modèles à régimes spatiaux

Interactions entre autocorrélation et hétérogénéité spatiale

STATA, R

Statistique et méthodes de régression pour données spatiales

Statistique et méthodes de régression pour données spatiales

Objectifs

Prérequis

Contenu

Outils ou logiciel

Niveaux

Commentaires

S'inscrire