Ekonometria przestrzenna w R 2400-ZEWW404
Metody ekonometrii i statystyki przestrzennej wykorzystywane są w badaniach regionalnych, badaniach rynku nieruchomości, zasobów naturalnych, ekonomii środowiska, ekonomii sektora publicznego i ekonomii międzynarodowej, innowacji, ubezpieczeń etc., a także lokalizacji przedsiębiorstw. Analizy tych zagadnień z użyciem klasycznej statystyki i ekonometrii, ignorujących przestrzenne zależności, dają błędne wyniki. Ekonometria przestrzenna pozwala widzieć zależność między obserwacjami sąsiedzkimi i uwzględniać tę informację w modelowaniu. Jest to uzupełnienie metod tradycyjnych w odniesieniu do problemów przestrzennych, ale wymaga specyficznych zbiorów danych (danych geo-lokalizowanych oraz map konturowych) oraz wyspecjalizowanych pakietów ekonometryczno-statystycznych.
Studenci w trakcie zajęć w sposób przystępny poznają warsztat ekonometrii przestrzennej, od podstaw do poziomu umożliwiającego przeprowadzenie własnych badań. Wykorzystywany program R jest typu Open Source (www.r-project.org) , dzięki czemu może być wykorzystywany bez ograniczeń i bez kosztów zarówno w pracy naukowej jak i w celach komercyjnych.
Poruszane zagadnienia:
• Czym jest ekonometria przestrzenna? Specyfika badań przestrzennych, efekty przestrzenne - dane, typy zależności przestrzennych, zróżnicowanie przestrzenne, związki w przestrzeni
• Wizualizacja danych regionalnych i punktowych – wyznaczanie centroidów, mapowanie warstwowe, operowanie geometriami przestrzennymi
• Przestrzenna macierz wag - konstrukcja, właściwości, operacje, wykorzystanie, formalizacja zależności przestrzennej
• Statystyka przestrzenna - przestrzenny operator opóźnień (spatial lag), miary autokorelacji przestrzennej (I Morana, LISA), testowanie zależności przestrzennej, znaczenie macierzy wag w ocenie autokorelacji przestrzennej
• Specyfikacja i testowanie modeli przestrzennych – modele z jednym (SLX, SLM, SEM), dwoma (SAC, SDM, SDEM) lub trzema (GNS) komponentami przestrzennymi, testy AIC, BIC, LR, I Morana dla reszt, efekty pośrednie i bezpośrednie,
• Modele interakcji przestrzennych – wyjaśnienie zjawisk lokalizacją względną i bezwzględną, ze szczególnym uwzględnieniem odległości od centrum, model rdzeń-peryferia, kontekst świadczenia usług publicznych
• Modele regresji ważonej geograficznie (GWR) – wykorzystanie w modelowaniu heterogeniczności przestrzennej, modele dryfu przestrzennego, detekcja klastrów przestrzennych
• Modele regresji ważonej geograficznie (GWR) w ujęciu dynamicznym – wykorzystanie w modelowaniu stabilności czasowo-przestrzennej współczynników lokalnych – śledzenie zmian trendów w czasie i przestrzeni, detekcja klastrów przestrzennych, porównanie klastrów Indeksem Rand
• Modele na danych o różnej granulacji przestrzennej – integracja danych punktowych, grid i regionalnych do siatki grid, modelowanie na grid z użyciem macierzy wag przestrzennych
• Modele panelowe – wzbogacenie tradycyjnych modeli panelowych o komponent przestrzenny, kolejność decyzji estymacyjnych w przestrzennych modelach panelowych
• Modele oparte na bootstrap – rozwiązanie dla dużych danych punktowych, prognozowanie dla danych spoza próby z wykorzystaniem macierzy wag przestrzennych, wykorzystanie tesselacji Voronoi dla kalibracji przestrzeni
• Zastosowania praktyczne analiz przestrzennych – na podstawie wybranych artykułów
Szacunkowy nakład pracy studenta: 4ECTS x 25h = 100h
(K) - godziny kontaktowe (S) - godziny pracy samodzielnej
zajęcia: 30h (K) 0h (S)
przygotowanie do zajęć: 0h (K) 25h (S)
przygotowanie końcowego projektu: 0h (K) 30h (S)
przygotowanie recenzji artykułu: 0h (K) 15h (S)
Razem: 30h (K) + 70h (S) = 100h
|
W cyklu 2025Z:
Jest to innowacyjny kurs, który przedstawia metody analiz przestrzennych w R. Pierwsza połowa kursu stanowi wprowadzenie (praca z danymi przestrzennymi regionalnymi i punktowymi, wizualizacja, statystyka przestrzenna) i pokazuje klasyczne podejście – ekonometrię przestrzenną z użyciem macierzy wag przestrzennych. Druga część kursu wprowadza najnowsze rozwiązania z zakresu analityki przestrzennej – modele dryfu przestrzennego, regresję ważoną geograficznie (z uwzględnieniem klastrowania), modele przestrzenno-czasowej stabilności, modele bootstrapowane, modele panelowe. Kurs koncentruje się na zastosowaniach w ekonomii. Kurs oparty jest na książce „Przestrzenne Metody ilościowe w R” (CeDeWu, 2020), wydanej przez prowadzącą kurs. Szczegółowa tematyka zajęć: Szacunkowy nakład pracy studenta: 4ECTS x 25h = 100h |
Koordynatorzy przedmiotu
Rodzaj przedmiotu
Założenia (opisowo)
Efekty kształcenia
Po ukończeniu przedmiotu, student:
W ZAKRESIE WIEDZY:
Zna i rozumie w sposób pogłębiony metody i narzędzia opisu zjawisk ekonomicznych i społecznych w ujęciu przestrzennym; statystyki i modele przestrzenne; źródła pozyskiwania danych regionalnych; sposoby wykorzystania zaawansowanego programu statystycznego w opisie zjawisk ekonomicznych i społecznych.
Zna i rozumie przez pracę z programem na licencji Open Source oraz przez wykorzystanie materiałów dydaktycznych wytworzonych na WNE UW podstawowe pojęcia i zasady z zakresu ochrony własności przemysłowej i prawa autorskiego oraz potrafi skorzystać z narzędzi udostępnionych na zasadach Open Source oraz Creative Commons
Zna i rozumie możliwości aplikacyjne przedstawionych metod statystycznych i na ich podstawie może tworzyć analizy na potrzeby analiz rynkowych w pracy lub na potrzeby własnej firmy
Zna i rozumie na podstawie analizy danych przestrzennych i panelowych społeczno-ekonomiczne struktury przestrzenne i ich zmiany w czasie; wpływ przestrzeni na procesy gospodarczo-społeczne, zróżnicowanie i podobieństwo regionów, reżimy przestrzenne
W ZAKRESIE UMIEJĘTNOŚCI:
Potrafi przez krytyczną analizę wyników badań statystycznych i teorii ekonomii wykorzystać wiedzę teoretyczną do opisu i analizowania przyczyn i przebiegu procesów i zjawisk społecznych oraz potrafi formułować własne opinie i dobierać krytycznie dane i metody analiz
Potrafi pozyskać dane regionalne, mapę w postaci wektorowej oraz dzięki umiejętności pracy z zaawansowanym programem R-CRAN; przedstawić graficznie dane przestrzenne, obliczyć podstawowe statystyki przestrzenne wyestymować ekonometryczny model przestrzenny i na podstawie przedstawionych wyników wyciągać wnioski o zależnościach przestrzennych .
Potrafi przeprowadzić analizę przestrzenną; wyszukać dane, zastosować opis modelowanie statystyczne lub ekonometryczne; przedstawić w formie pisemnej i przekazać ustnie cały proces badawczy jako raport.
W ZAKRESIE KOMPETENCJI:
Wykazuje zapoznanie się z zaawansowanym programem statystycznym, które pozwala mu na rozszerzenie wiedzy we własnym zakresie i stanowi dobre wprowadzenie do nauki programowania obiektowego.
Jest gotów do bycia krytycznym w stosunku do przedstawionych modeli; prawidłowo identyfikować i rozstrzygać dylematy wykorzystaniem tych metod w prowadzeniu własnej firmy lub pracy zawodowej
Kryteria oceniania
Uzyskanie zaliczenia przedmiotu wymaga:
1. Własny projekt badawczy (50%) – do wykonania samodzielnie w grupie dwuosobowej analiza badawcza ilościowa o charakterze przestrzennym. Możliwe prace teoretyczne (np. porównanie metod, ocena właściwości metody) i tematyczne (analiza na danych empirycznych).
Projekt badawczy musi obejmować:
- wprowadzenie do tematu, postawienie hipotezy badawczej
- opis danych – źródło, zróżnicowanie przestrzenne, ew. zmiany w czasie
- specyfikację problemu/modelu ekonometrycznego i oczekiwania
- estymację i diagnostykę modelu/analizę ilościową przestrzenną
- interpretację wyników i konkluzje
2. Recenzja przydzielonego artykułu (50%) – pisemna recenzja (krytyczna) testu wybranego przez prowadzącego (teksty w języku angielskim)
Recenzja artykułu musi obejmować:
- cel i obszar badania – pytania / hipotezy badawcze, wykorzystane dane, obszar geograficzny
- metody przestrzenne wykorzystane w badaniu wraz z własną opinią na temat zasadności ich wykorzystania – należy omówić w jakim celu użyta została określona metoda, jakie były oczekiwania co do wyników
- wyniki badania (ogólnie) – czy udało się odpowiedzieć na postawione przez badacza pytanie, czy metody przestrzenne wniosły dodatkowe informacje w porównaniu z metodami klasycznymi
- ogólna opinia o tekście, uwagi, komentarze, dodatkowe know-how
Skala ocen: ocena końcowa jest średnią z ocen za projekt i recenzję.
[0%-50%) – ndst
[50%-60%) – dst
[60%-70%) – dst +
[70%-80%) – db
[80%-90%) – db+
[90%-100%] – bdb.
Literatura
Literatura obowiązkowa:
Kopczewska K., Przestrzenne metody ilościowe w R, CeDeWu, Warszawa, 2020
Literatura uzupełniająca:
Kopczewska K., Kopczewski T., Wójcik P., (red), 2009, Metody ilościowe w R. Aplikacje ekonomiczne i finansowe, CeDeWu, Warszawa
LeSage, J., & Pace, R. K. (2009). Introduction to spatial econometrics. Chapman and Hall/CRC.
Chun, Y., & Griffith, D. A. (2013). Spatial statistics and geostatistics: theory and applications for geographic information science and technology. Sage.
Kopczewska, K., Kudła, J., & Walczyk, K. (2017). Strategy of spatial panel estimation: Spatial spillovers between taxation and economic growth. Applied Spatial Analysis and Policy, 10(1), 77-102.
Kubara, M., & Kopczewska, K. (2024). Akaike information criterion in choosing the optimal k-nearest neighbours of the spatial weight matrix. Spatial Economic Analysis, 19(1), 73-91.
Kopczewska, K., & Ćwiakowski, P. (2021). Spatio-temporal stability of housing submarkets. Tracking spatial location of clusters of geographically weighted regression estimates of price determinants. Land Use Policy, 103, 105292.
Kopczewska, K. (2013). The spatial range of local governments: does geographical distance affect governance and public service?. The Annals of Regional Science, 51(3), 793-810.
Kopczewska, K. (2016). Efficiency of regional public investment: An NPV-based spatial econometric approach. Spatial Economic Analysis, 11(4), 413-431.
|
W cyklu 2025Z:
Kopczewska, K. (Ed.). (2020). Przestrzenne metody ilościowe w R: statystyka, ekonometria, uczenie maszynowe, analiza danych. CeDeWu Sp. z oo. |