Análise da dependência espacial no contexto de dados em painel : o caso espaço-temporal

Abstract

Amplamente utilizados em aplicações econômicas, os modelos de dados em painel desempenham papel imprescindível por sua natureza que incorpora observações de corte transversal e ao longo do tempo. Todavia, o desenvolvimento desses modelos se deu no sentido de corrigir a dependência temporal entre as observações. Os modelos espaciais buscam preencher essa lacuna no sentido de incorporar a localização (vizinhança, mais especificamente) das observações no processo de estimação. O fato de que negligenciar a dependência espacial e utilizar técnicas clássicas (que pressupõem independência das observações) produz modelos inconsistentes e de especificação questionável. Este trabalho apresenta, de forma geral, algumas das técnicas de modelos em painel e de regressão espacial mais amplamente utilizadas e, posteriormente, propõe adaptações nos modelos em painel, no caso o modelo MESPS (Matrix Exponential Spatial Panel Specification), de forma a incorporar a dependência espacial em suas variadas formas. Além disso, foi construído um procedimento computacional em linguagem SAS - IML© para estimar o painel espacial de efeitos fixos. Este procedimento foi utilizado em quatro conjuntos de dados com características distintas e se provou uma excelente alternativa aos procedimentos tradicionais quando a dependência espacial não é excessivamente alta. _________________________________________________________________________________________ ABSTRACT

Panel data play an important role in Econometrics due to its cross-section and time-series features. However, the developments in this subject are usually made in order to embody dependence and trends related to the time-series framework. Spatial models are intended to take the position or neighbourhood of an individual into consideration while modeling. It should be noticed that neglecting the spatial structure of data would generate bias making the estimates inconsistent. In addition, the advantage of estimating the spatial spill-over effect would not be taken. This thesis reviews the most widely used panel data model, such as pooled, fixed and random effects. It also approaches a mixed fixed effects panel data and spatial model named MESPS - Matrix Exponential Spatial Panel Specification. A SAS – IML code was implemented to estimate the MESPS. Four cases were analysed in different perspectives, comprehending a wide pool of situations.