Introdução à Econometria Espacial

Alexandre Porsse • Vinícius Vale

 Professordo Departamento de Economia e do Programa de Pós-Graduação em Desenvolvimento

Econômico (PPGDE) da Universidade Federal do Paraná (UFPR) e Pesquisador do Núcleo de Estudos
em Desenvolvimento Urbano e Regional (NEDUR)

Material desenvolvido para a disciplina Economia Regional e Urbana do Curso de Ciências

Econômicas da Universidade Federal do Paraná (UFPR). Os professores autorizam o uso
desse material em outros cursos desde que devidamente citados os créditos.
Agosto/2020
 Tópicos

• Introdução
• Modelo clássico de regressão linear
• Modelos espaciais
• Interpretação de coeficientes
• Testes de especificação
• Especificação de modelos espaciais
• Estimação de modelos espaciais

Economia Regional e Urbana – SE314 – Prof. Alexandre Porsse e Prof. Vinícius Vale 2
 Introdução

Relembrando...

• O que é Análise Espacial?

Consiste em métodos e técnicas que buscam identificar padrões de
associação espacial (dependência e heterogeneidade espaciais) nos
fenômenos socioeconômicos com o objetivo de compreender suas
estruturas e dinâmicas no espaço, contribuindo para a formulação e
avaliação de políticas públicas e privadas

• Efeitos espaciais:
o Dependência espacial: interação dos agentes através do espaço.
o Heterogeneidade espacial: instabilidade estrutural através do espaço.

Economia Regional e Urbana – SE314 – Prof. Alexandre Porsse e Prof. Vinícius Vale 3
 Introdução

• Por que estudar Econometria Espacial?

Necessidade de um modelo que controle os efeitos espaciais:

o Heterogeneidade espacial
o Autocorrelação (dependência) espacial

Economia Regional e Urbana – SE314 – Prof. Alexandre Porsse e Prof. Vinícius Vale 4
 Introdução

• Um modelo econométrico-espacial envolve a incorporação de

defasagens espaciais ao modelo clássico de regressão linear.

• As defasagens relacionadas aos processos espaciais podem assumir três

formas de defasagem:

o na variável dependente (𝑊𝑦)

o nas variáveis independentes (𝑊𝑋); e/ou
o nos termos de erros (𝑊𝜉 ou 𝑊𝜀).

Economia Regional e Urbana – SE314 – Prof. Alexandre Porsse e Prof. Vinícius Vale 5
 Modelo clássico de regressão linear

• O Modelo Clássico de Regressão Linear (MCRL) é dado por:

𝑦 = 𝑋𝛽 + 𝜀 𝜀 ~ 𝑁 0, 𝜎 2 𝐼𝑛

em que 𝑦 é um vetor com a variável dependente (𝑛 por 1); 𝑋 é uma matriz

(𝑛 por k) com as variáveis explicativas exógenas (mais a constante); 𝛽 é
um vetor de coeficientes de regressão (k por 1); e 𝜀 é o vetor (𝑛 por 1) dos
termos de erro aleatório.

• Nesse modelo não existe interação espacial entre as regiões.

• A equação não incorpora nenhuma defasagem espacial.

Economia Regional e Urbana – SE314 – Prof. Alexandre Porsse e Prof. Vinícius Vale 6
 Modelos espaciais

• Caso simples de simultaneidade espacial com duas regiões:

n = 2 equações

𝑦1 = α12 𝑦2 + 𝑋1 𝛽 + 𝜀1 𝜀1 ~ 𝑁 0, 𝜎 2
𝑦2 = α21 𝑦1 + 𝑋2 𝛽 + 𝜀2 𝜀2 ~ 𝑁(0, 𝜎 2 )

𝛽0
𝑦1 0 α12 𝑦1 1 𝑥11 𝑥12 𝜀
𝑦2 = 𝑦2 + 𝛽1 + 𝜀1
α21 0 1 𝑥21 𝑥22 2
𝛽2

α12 𝛽0
𝑦1 0 ൗ𝜌 𝑦1 1 𝑥11 𝑥12 𝜀
𝑦2 = 𝜌 α21 𝑦2 + 𝛽1 + 𝜀1
ൗ𝜌 0 1 𝑥21 𝑥22 2
𝛽2

𝛽0
𝑦1 0 𝑤12 𝑦1 1 𝑥11 𝑥12 𝜀
𝑦2 = 𝜌 𝑦2 + 𝛽1 + 𝜀1
𝑤21 0 1 𝑥21 𝑥22 2
𝛽2

Economia Regional e Urbana – SE314 – Prof. Alexandre Porsse e Prof. Vinícius Vale 7
 Modelos espaciais

𝛽0
𝑦1 0 𝑤12 𝑦1 1 𝑥11 𝑥12 𝜀
𝑦2 = 𝜌 𝑦2 + 𝛽1 + 𝜀1
𝑤21 0 1 𝑥21 𝑥22 2
𝛽2

• Na equação acima temos duas observações e cinco incógnitas a definir,

três referentes ao vetor 𝛽 (𝛽0 , 𝛽1 e 𝛽2 ), e outras duas associadas a
dependência espacial (𝜌𝑤21 e 𝜌𝑤12 ).

Economia Regional e Urbana – SE314 – Prof. Alexandre Porsse e Prof. Vinícius Vale 8
 Modelos espaciais

• Caso geral - n regiões (equações):

𝑦 = 𝜌𝑊𝑦 + 𝑋𝛽 + 𝜀 𝜀~ 𝑁 0, 𝜎 2 𝐼

em que 𝜌 é o coeficiente de dependência espacial (defasagem auto-

regressiva) e 𝑊 é a matriz de peso espacial.

• Observação:
𝑤𝑖𝑗 = 0 𝑠𝑒 𝑖 = 𝑗
𝑤𝑖𝑗 ≠ 0 𝑠𝑒 𝑖 ≠ 𝑗: existe relação de vizinhança entre i e j.

Economia Regional e Urbana – SE314 – Prof. Alexandre Porsse e Prof. Vinícius Vale 9
 Modelos de dependência espacial
de alcance global

• Modelos econométrico-espaciais de alcance global são caracterizados

por hospedar a dependência espacial cujo alcance do transbordamento é
global.

• O multiplicador espacial faz com que um impacto sobre a variável

dependente seja refletido para todas as regiões da área de estudo.

• Exemplos:
o Modelo de defasagem espacial (SAR)
o Modelo de erro autorregressivo espacial (SEM)
o Modelo de defasagem espacial com erro autorregressivo espacial (SAC)

Economia Regional e Urbana – SE314 – Prof. Alexandre Porsse e Prof. Vinícius Vale 10
 Modelos de dependência espacial
de alcance local

• Modelos econométrico-espaciais de alcance local são caracterizados

por hospedar a dependência espacial cujo alcance é localizado.

• O impacto da dependência espacial é observado para apenas algumas

regiões da área de estudo, sobretudo os vizinhos diretos e os vizinhos
indiretos de segunda ordem (vizinhos dos vizinhos).

• Exemplos:
o Modelo de erro de média móvel espacial (SMA)
o Modelo regressivo cruzado espacial (SLX)
o Modelo regressivo cruzado espacial com erro de média móvel espacial
(SLXMA)

Economia Regional e Urbana – SE314 – Prof. Alexandre Porsse e Prof. Vinícius Vale 11
 Modelos de dependência espacial

• Existem modelos de dependência espacial de alcance global e local.

• Exemplos:
o Modelo de Durbin espacial (SDM)
o Modelo de defasagem espacial com erro de média móvel espacial
(SARMA)
o Modelo de Durbin espacial do erro (SDEM)

Economia Regional e Urbana – SE314 – Prof. Alexandre Porsse e Prof. Vinícius Vale 12
 Modelo de defasagem espacial (SAR)

• O modelo de defasagem espacial (SAR - Spatial Auto Regressive) é

dado na sua versão pura por:

𝑦 = 𝜌𝑊𝑦 + 𝜀 𝜀~𝑁 0, 𝜎 2 𝐼𝑛

em que 𝑊𝑦 é um vetor 𝑛 por 1 de defasagens espaciais para a variável

dependente; 𝜌 é o coeficiente autorregressivo espacial; e 𝜀 o termo de
erro.
• Na sua versão mista, o modelo SAR inclui variáveis explicativas:

𝑦 = 𝜌𝑊𝑦 + 𝑋𝛽 + 𝜀 𝜀~𝑁 0, 𝜎 2 𝐼𝑛

em que 𝑋 é uma matriz de variáveis explicativas exógenas.

Economia Regional e Urbana – SE314 – Prof. Alexandre Porsse e Prof. Vinícius Vale 13
 Modelo de defasagem espacial (SAR)

• O modelo SAR misto,

𝑦 = 𝜌𝑊𝑦 + 𝑋𝛽 + 𝜀 𝜀~𝑁 0, 𝜎 2 𝐼𝑛

é especificado para que o valor da variável dependente observado numa

determinada região seja determinado pela média dos valores da variável
dependente observados na vizinhança (𝑊𝑦), pelos valores das variáveis
explicativas (𝑋) e que seja influenciado aleatoriamente por um termo de
erro (𝜀).
• O valor de 𝜌 situa-se entre -1 e 1:

𝜌 <1

Economia Regional e Urbana – SE314 – Prof. Alexandre Porsse e Prof. Vinícius Vale 14
 Modelo de defasagem espacial (SAR)

• Se 𝜌 for positivo, isso indica que existe um autocorrelação espacial

global positiva.

o Um alto (baixo) valor de 𝑦 nas regiões vizinhas aumenta (diminui) o

valor de 𝑦 na região i.

• Se 𝜌 for negativo, isso indica que existe um autocorrelação espacial

global negativa.

o Um alto (baixo) valor de 𝑦 nas regiões vizinhas diminui (aumenta) o

valor de 𝑦 na região i.

• Se o parâmetro não for estatisticamente significativo, o coeficiente

pode ser considerado como zero, o que indica evidências de ausência de
autocorrelação espacial.

Economia Regional e Urbana – SE314 – Prof. Alexandre Porsse e Prof. Vinícius Vale 15
 Modelo de defasagem espacial (SAR)

• A forma reduzida da versão mista do modelo SAR é dada por:

𝑦 = 𝐼𝑛 − 𝜌𝑊 −1 𝑋𝛽 + 𝜀

𝐸[𝑦] = 𝐸[ 𝐼𝑛 − 𝜌𝑊 −1 𝑋𝛽 + 𝜀 ]

𝐸[𝑦] = 𝐼𝑛 − 𝜌𝑊 −1 𝐸[ 𝑋𝛽 + 𝜀 ] = 𝐼𝑛 − 𝜌𝑊 −1 𝑋𝛽

• Se 𝜌 < 1, temos que:

𝐼𝑛 − 𝜌𝑊 −1 = 𝐼 + 𝜌𝑊 + 𝜌2 𝑊 2 + ⋯

Economia Regional e Urbana – SE314 – Prof. Alexandre Porsse e Prof. Vinícius Vale 16
 Modelo de defasagem espacial (SAR)

𝐸[𝑦] = 𝐼 + 𝜌𝑊 + 𝜌2 𝑊 2 + ⋯ 𝑋𝛽

Multiplicador Espacial
(simultaneidade da interação)

• Pela matriz 𝐼 + 𝜌𝑊 + 𝜌2 𝑊 2 + ⋯ tem-se que cada região é

autocorrelacionada com todas as outras, mas de forma que a intensidade
da autocorrelação decresce dado que 𝜌 < 1.
• O alcance de um choque é global porque se propaga por todo espaço:
o No epicentro de ocorrência do choque, a sua intensidade é maior e, à
medida que se distancia, a intensidade perde força.

Economia Regional e Urbana – SE314 – Prof. Alexandre Porsse e Prof. Vinícius Vale 17
 Modelo de defasagem espacial (SAR)

• A interpretação dos coeficientes num modelo espacial pode ser mais

complexa por conta dos efeitos indiretos e re-alimentadores entre as
regiões dado os transbordamentos espaciais.
• Seja n = 3, tal que:
0 1 0
𝑊 = 1Τ2 0 1Τ2
0 1 0

1 −𝜌 0
𝐼 − 𝜌𝑊 = −𝜌Τ2 1 −𝜌Τ2
0 −𝜌 1

1 − 𝜌 2Τ2 𝜌 𝜌2 Τ2
−1
1
𝐼 − 𝜌𝑊 = 𝜌Τ2 1 𝜌Τ2
1 − 𝜌2
𝜌2 Τ2 𝜌 1 − 𝜌 2Τ2

Economia Regional e Urbana – SE314 – Prof. Alexandre Porsse e Prof. Vinícius Vale 18
 Modelo de defasagem espacial (SAR)

• Neste caso, os coeficientes angulares são definidos como:

𝑑𝑦1 𝑑𝑦1 𝑑𝑦1

𝑑𝑥1𝑗 𝑑𝑥2𝑗 𝑑𝑥3𝑗
𝑑𝑦2 𝑑𝑦2 𝑑𝑦2 𝛽𝑗 1 − 𝜌 2/2 𝜌 𝜌 2/2
= 𝜌/2 1 𝜌/2
𝑑𝑥1𝑗 𝑑𝑥2𝑗 𝑑𝑥3𝑗 1 − 𝜌2 2
𝜌 /2 𝜌 1 − 𝜌 2/2
𝑑𝑦3 𝑑𝑦3 𝑑𝑦3
𝑑𝑥1𝑗 𝑑𝑥2𝑗 𝑑𝑥3𝑗

• As derivadas na diagonal principal têm a seguinte propriedade:

𝑑𝑦1 𝑑𝑦3 𝛽𝑗 𝜌2 2−𝜌2

= = 1− = 𝛽𝑗 > 𝛽𝑗
𝑑𝑥1𝑗 𝑑𝑥3𝑗 1−𝜌2 2 2−2𝜌2

𝑑𝑦2 𝛽𝑗
= > 𝛽𝑗
𝑑𝑥2𝑗 1−𝜌2

Economia Regional e Urbana – SE314 – Prof. Alexandre Porsse e Prof. Vinícius Vale 19
 Modelo de defasagem espacial (SAR)

• E os efeitos podem ser decompostos tal que:

𝑑𝑦1 𝑑𝑦1 𝑑𝑦1

𝑑𝑥1𝑗 𝑑𝑥2𝑗 𝑑𝑥3𝑗
𝑑𝑦2 𝑑𝑦2 𝑑𝑦2 𝛽𝑗 1 − 𝜌 2/2 𝜌 𝜌 2/2
A= = 𝜌/2 1 𝜌/2
𝑑𝑥1𝑗 𝑑𝑥2𝑗 𝑑𝑥3𝑗 1 − 𝜌2
𝜌 2/2 𝜌 1 − 𝜌 2/2
𝑑𝑦3 𝑑𝑦3 𝑑𝑦3
𝑑𝑥1𝑗 𝑑𝑥2𝑗 𝑑𝑥3𝑗

1
• 𝐸𝐷 = 𝑡𝑟 𝐴 ≡ Impacto direto médio (média dos termos da diagonal principal)
𝑛

• 𝐸𝐼 = 𝐸𝑇 − 𝐸𝐷 ≡ Impacto indireto médio (média dos termos fora da diagonal principal)

1
• 𝐸𝑇 = 𝑖𝑛′ 𝐴 𝑖𝑛 ≡ Impacto total médio
𝑛

Economia Regional e Urbana – SE314 – Prof. Alexandre Porsse e Prof. Vinícius Vale 20
 Modelo de erro espacial (SEM)

• O modelo de erro autorregressivo espacial (SEM - Spatial Erro Model)

é dado por:
𝑦 = 𝑋𝛽 + 𝜉

𝜉 = 𝜆𝑊𝜉 + 𝜀 𝜀~𝑁 0, 𝜎 2 𝐼𝑛

em que 𝜆 é o parâmetro do erro autorregressivo espacial que acompanha

a defasagem 𝑊𝜉.

• Os erros associados com qualquer observação são uma média dos erros
nas regiões vizinhas mais um componente de erro aleatório.

Economia Regional e Urbana – SE314 – Prof. Alexandre Porsse e Prof. Vinícius Vale 21
 Modelo de erro espacial (SEM)

• A forma reduzida do modelo pode ser representada por:

𝑦 = 𝑋𝛽 + 𝐼𝑛 − 𝜆𝑊 −1 𝜀

𝐸[𝑦] = 𝑋𝛽
• Se 𝜆 < 1, temos que:

𝐼𝑛 − 𝜆𝑊 −1 = 𝐼𝑛 + 𝜆𝑊 + 𝜆2 𝑊 2 + ⋯

Economia Regional e Urbana – SE314 – Prof. Alexandre Porsse e Prof. Vinícius Vale 22
 Modelo de erro espacial (SEM)

• Pela matriz (𝐼𝑛 + 𝜆𝑊 + 𝜆2 𝑊 2 + ⋯) tem-se que cada região é auto-

correlacionada com todas as outras, mas de forma que a intensidade da
autocorrelação decresce dado que 𝜆 < 1.

• O alcance de um choque é global porque se propaga por todo espaço.

o No epicentro de ocorrência do choque, a sua intensidade é maior e, à

medida que se distancia, a intensidade perde força.

Economia Regional e Urbana – SE314 – Prof. Alexandre Porsse e Prof. Vinícius Vale 23
 Modelo de erro espacial (SEM)

• A interpretação dos coeficientes 𝛽 não é afetada no modelo SEM.

• Cada 𝛽 é entendido como o efeito marginal (derivada parcial de 𝑦 em
relação à variável explicativa em questão):

𝜕𝑦𝑖
𝛽𝑘 =
𝜕𝑋𝑖𝑘

Economia Regional e Urbana – SE314 – Prof. Alexandre Porsse e Prof. Vinícius Vale 24
 Modelo de Kelejian-Prucha (SAC)

o O modelo de defasagem espacial com erro de média móvel espacial

(SAC) é dado por:

𝑦 = 𝜌𝑊1 𝑦 + 𝑋𝛽 + 𝜉

𝜉 = 𝜆𝑊2 𝜉 + 𝜀 𝜀~𝑁 0, 𝜎 2 𝐼𝑛

• As restrições sobre os parâmetros espaciais exigem que:

𝜌 <1e 𝜆 <1

Economia Regional e Urbana – SE314 – Prof. Alexandre Porsse e Prof. Vinícius Vale 25
 Modelo de Kelejian-Prucha (SAC)

• A forma reduzida do modelo pode ser representada por:

𝑦 = 𝐼𝑛 − 𝜌𝑊1 −1 𝑋𝛽 + 𝐼𝑛 − 𝜌𝑊1 −1 𝐼𝑛 − 𝜆𝑊2 −1 𝜀

• Um choque na região j afeta todas as outras regiões por intermédio do

multiplicador espacial do processo SAR da defasagem espacial,
amplificado pelo efeito multiplicador extra proporcionado pelo processo de
erro espacial.

Economia Regional e Urbana – SE314 – Prof. Alexandre Porsse e Prof. Vinícius Vale 26
 Testes de especificação

Teste I de Moran:
• Trata-se de um teste simples sobre a autocorrelação espacial dos resíduos
da regressão do modelo MQO:
n n
n wij ( yi − y )( y j − y )
i =1 j =1
I=
 n n n
  wij  ( yi − y ) 2
 
 i =1 j =1  j =1

• Hipótese nula: resíduos da regressão estimada por MQO são distribuídos

aleatoriamente ao longo do espaço.
• Critério do teste: se H0 é rejeitada, os resíduos são autocorrelacionados
espacialmente.
• Hipótese alternativa: há dependência espacial.

Economia Regional e Urbana – SE314 – Prof. Alexandre Porsse e Prof. Vinícius Vale 27
 Testes de especificação

Teste I de Moran:
• Vantagens:
o Simplicidade computacional
• Desvantagens:
o Possui poder contra uma série de problemas da regressão: má
especificação do modelo, heterocedasticidade e ausência de
normalidade nos resíduos.
o Não aponta qual tipo de autocorrelação espacial é predominante.

Economia Regional e Urbana – SE314 – Prof. Alexandre Porsse e Prof. Vinícius Vale 28
 Testes de especificação

Teste 𝑴𝑳𝝆 :
• Trata-se de um teste do tipo multiplicador de Lagrange para detectar a
defasagem espacial da variável dependente:

2
𝑒 ′ 𝑊𝑦
𝑠2
𝑀𝐿𝜌 = ′
𝑊𝑋𝛽෠ 𝑀𝑊𝑋𝛽෠
+ 𝑡𝑟 𝑊 ′ 𝑊 + 𝑊 2
𝑠2

• Hipótese nula (H0): 𝜌 = 0, assumindo 𝜆 = 0.

• Hipótese alternativa (H1): 𝜌 ≠ 0.

Economia Regional e Urbana – SE314 – Prof. Alexandre Porsse e Prof. Vinícius Vale 29
 Testes de especificação

Teste 𝑴𝑳𝝆 :
• Vantagens:
o Facilidade computacional
o Robusta contra erros não normais
o Robusta na presença de heterocedasticidade
o Discriminação do tipo de autocorrelação espacial
• Desvantagens:
o Falta de poder – H0 é frequentemente rejeitada (mesmo quando ela é
verdadeira).

Economia Regional e Urbana – SE314 – Prof. Alexandre Porsse e Prof. Vinícius Vale 30
 Testes de especificação

Teste 𝑴𝑳𝝀 :
• Trata-se de um teste do tipo multiplicador de Lagrange para detectar
autocorrelação espacial na forma do modelo SEM:

2
𝑒 ′ 𝑊𝑒
𝑠2
𝑀𝐿𝜆 =
𝑡𝑟 𝑊 ′ 𝑊 + 𝑊 2

• Hipótese nula (H0): 𝜆 = 0, assumindo 𝜌 = 0.

• Hipótese alternativa (H1): 𝜆 ≠ 0.

Economia Regional e Urbana – SE314 – Prof. Alexandre Porsse e Prof. Vinícius Vale 31
 Testes de especificação

Teste 𝑴𝑳𝝀 :
• Vantagens:
o Facilidade computacional
o Discriminação do tipo de autocorrelação espacial
• Desvantagens:
o Possui poder contra uma série de problemas da regressão:
heterocedasticidade e ausência de normalidade nos resíduos.
o Falta de poder – H0 é frequentemente rejeitada (mesmo quando ela é
verdadeira).

Economia Regional e Urbana – SE314 – Prof. Alexandre Porsse e Prof. Vinícius Vale 32
 Testes de especificação

Teste 𝑴𝑳𝝀𝝆 :
• Trata-se de um teste do tipo multiplicador de Lagrange para detectar
autocorrelação espacial na forma do modelo SAC (defasagem e erro
autorregressivo espacial incluídos juntos):

2 2
𝑒 ′ 𝑊𝑦 𝑒 ′ 𝑊𝑒 𝑒 ′ 𝑊𝑒
− 2
𝜎2 𝜎 𝑠2
𝑀𝐿𝜆𝜌 = +
𝑊𝑋𝛽 ′ 𝑀(𝑊𝑋𝛽) 𝑡𝑟 𝑊𝑊 + 𝑊 ′ 𝑊
𝜎2

• Hipótese nula (H0): 𝜆 = 0 ou 𝜌 = 0.

• Hipótese alternativa (H1): 𝜆 ≠ 0 ou 𝜌 ≠ 0

Economia Regional e Urbana – SE314 – Prof. Alexandre Porsse e Prof. Vinícius Vale 33
 Testes de especificação

Teste 𝑴𝑳𝝀𝝆 :
• Desvantagens:
o Indefinição da fonte de erro espacial quando a hipótese nula é
rejeitada.

Economia Regional e Urbana – SE314 – Prof. Alexandre Porsse e Prof. Vinícius Vale 34
 Testes de especificação

• Os testes robustos são similares aos testes anteriores, porém, incorporam

um fator de correção para levar em conta a má especificação.
• Apresentam uma solução para a superrejeição de H 0 dos testes 𝑀𝐿.
Teste 𝑴𝑳∗𝝆 :
• Hipótese nula (H0): 𝜌 = 0, assumindo 𝜆 = 0.
• Hipótese alternativa (H1): 𝜌 ≠ 0.
Teste 𝑴𝑳∗𝝀 :
• Hipótese nula (H0): 𝜆 = 0, assumindo 𝜌 = 0.
• Hipótese alternativa (H1): 𝜆 ≠ 0.

Economia Regional e Urbana – SE314 – Prof. Alexandre Porsse e Prof. Vinícius Vale 35
 Especificação de modelos espaciais

• Abordagem de especificação clássica (geral):

1. Estima-se o modelo clássico de regressão linear (MCRL) por MQO;
2. Computam-se 𝑀𝐿𝜌 e 𝑀𝐿𝜆 ;
3. Seambas estatísticas são não significativas, considera-se o modelo a-
espacial MCRL como melhor especificação;
4. Se
ambas forem significativas, escolhe-se a mais significativa: (i) Se
𝑀𝐿𝜌 > 𝑀𝐿𝜆 , estima-se o modelo SAR; e (ii) Se 𝑀𝐿𝜆 > 𝑀𝐿𝜌 , estima-se o
modelo SEM.
5. Se 𝑀𝐿𝜌 for significativa e 𝑀𝐿𝜆 não, estima-se o modelo SAR;
6. Se for 𝑀𝐿𝜆 significativa e 𝑀𝐿𝜌 não, estima-se o modelo SEM.
• O procedimento robusto de especificação segue os mesmos passos, apenas
substitui os testes 𝑀𝐿 tradicionais pelas suas versões robustas.

Economia Regional e Urbana – SE314 – Prof. Alexandre Porsse e Prof. Vinícius Vale 36
 Especificação de modelos espaciais
Estima-se o modelo
Procedimento
MCRL por MQO:
Clássico
𝑦 = 𝑋𝛽 + 𝜀 Estima-se o
modelo SEM
Diagnóstico ML
(𝑀𝐿𝜆 e 𝑀𝐿𝜌 )
𝑀𝐿𝜆
Apenas uma
Ambas não significativas
Significativa? significativa
(nem 𝑀𝐿𝜆 , nem 𝑀𝐿𝜌 )
(𝑀𝐿𝜆 ou 𝑀𝐿𝜌 )
𝑀𝐿𝜌
Ambas
Pare e mantenha os significativas
resultados do (𝑀𝐿𝜆 e 𝑀𝐿𝜌 )
modelo MCRL Estima-se o
Qual é mais significativa? modelo SAR

𝑀𝐿𝜆 > 𝑀𝐿𝜌 𝑀𝐿𝜌 > 𝑀𝐿𝜆

Estima-se o modelo SEM Estima-se o modelo SAR

Economia Regional e Urbana – SE314 – Prof. Alexandre Porsse e Prof. Vinícius Vale 37
 Especificação de modelos espaciais
Estima-se o modelo
Procedimento
MCRL por MQO:
Robusto
𝑦 = 𝑋𝛽 + 𝜀 Estima-se o
modelo SEM
Diagnóstico ML
(𝑀𝐿𝜆∗ e 𝑀𝐿𝜌∗ )
𝑀𝐿∗𝜆
Apenas uma
Ambas não significativas
Significativa? significativa
(nem 𝑀𝐿∗𝜆 , nem 𝑀𝐿∗𝜌 )
(𝑀𝐿∗𝜆 ou 𝑀𝐿∗𝜌 )
𝑀𝐿∗𝜌
Ambas
Pare e mantenha os significativas
resultados do (𝑀𝐿∗𝜆 e 𝑀𝐿𝜌∗ )
modelo MCRL Estima-se o
Qual é mais significativa? modelo SAR

𝑀𝐿∗𝜆 > 𝑀𝐿∗𝜌 𝑀𝐿∗𝜌 > 𝑀𝐿∗𝜆

Estima-se o modelo SEM Estima-se o modelo SAR

Economia Regional e Urbana – SE314 – Prof. Alexandre Porsse e Prof. Vinícius Vale 38
 Especificação de modelos espaciais

• Abordagem híbrida de especificação:

1. Estima-se o modelo clássico de regressão linear (MCRL) por MQO;
2. Computam-se 𝑀𝐿𝜌 e 𝑀𝐿𝜆 ;
3. Se
ambas estatísticas são não significativas, considera-se o modelo a-
espacial MCRL como melhor especificação;
4. Se 𝑀𝐿𝜌 for significativa e 𝑀𝐿𝜆 não, estima-se o modelo SAR;
5. Se for 𝑀𝐿𝜆 significativa e 𝑀𝐿𝜌 não, estima-se o modelo SEM.
6. Seambas forem significativas, escolhe-se a mais significativa pela
versão robusta 𝑀𝐿∗𝜌 e 𝑀𝐿∗𝜆 : (i) Se 𝑀𝐿∗𝜌 > 𝑀𝐿∗𝜆 , estima-se o modelo SAR;
e (ii) Se 𝑀𝐿∗𝜆 > 𝑀𝐿∗𝜌 , estima-se o modelo SEM.

Economia Regional e Urbana – SE314 – Prof. Alexandre Porsse e Prof. Vinícius Vale 39
 Especificação de modelos espaciais
Estima-se o modelo
Procedimento MCRL por MQO:
Híbrido 𝑦 = 𝑋𝛽 + 𝜀
Estima-se o
modelo SEM
Diagnóstico ML
(𝑀𝐿𝜆 e 𝑀𝐿𝜌 )
Ambas uma 𝑀𝐿𝜆
Ambas não significativas
Significativa? significativa
(nem 𝑀𝐿𝜆 , nem 𝑀𝐿𝜌)
(𝑀𝐿𝜆 ou 𝑀𝐿𝜌 )
Ambas 𝑀𝐿𝜌
Pare e mantenha os significativas
resultados do (𝑀𝐿𝜆 e 𝑀𝐿𝜌 )
modelo MCRL Estima-se o
Diagnóstico ML Robusto modelo SAR
(𝑀𝐿∗𝜆 e 𝑀𝐿𝜌∗ )

𝑀𝐿∗𝜆 Significativa? 𝑀𝐿∗𝜌

Estima-se o modelo SEM Estima-se o modelo SAR

Economia Regional e Urbana – SE314 – Prof. Alexandre Porsse e Prof. Vinícius Vale 40
 Estimação de modelos espaciais

• Na econometria espacial, os estimadores mais adotados em aplicações

são baseados no princípio da máxima verossimilhança e os baseados no
princípio do método generalizado dos momentos.
• O método de MQO pode não ser apropriado.
o No modelo SAR, o coeficiente espacial 𝜌 é viesado e inconsistente se
estimado por MQO.
o No modelo SEM, as estimativas por MQO são não viesadas e
consistentes, porém são ineficientes.

Economia Regional e Urbana – SE314 – Prof. Alexandre Porsse e Prof. Vinícius Vale 41
 Referências

Básica:

• ALMEIDA, E. S. Econometria Espacial Aplicada. Campinas: Editora

Alínea, 2012.
o Capítulo 5: Modelando a Dependência Espacial
o Capítulo 7: Especificando e Testando a Dependência Espacial

• GOLGHER, A. B. Introdução à Econometria Espacial. Jundiaí, Paco

Editorial, 2015.
o Capítulo 1: Conceitos iniciais da Econometria Espacial
o Capítulo 2: Interpretando os coeficientes dos modelos espaciais

Economia Regional e Urbana – SE314 – Prof. Alexandre Porsse e Prof. Vinícius Vale 42
 Contato

• Professores:

Prof. Alexandre Alves Porsse:

porsse@[Link]

Prof. Vinícius de Almeida Vale:

[Link]@[Link]

Economia Regional e Urbana – SE314 – Prof. Alexandre Porsse e Prof. Vinícius Vale 43