Modélisation de la pauvreté urbaine dans la région métropolitaine de Montréal entre 1986 et 2016: Apport des régressions spatiales par panel
Gespeichert in:
| Titel: | Modélisation de la pauvreté urbaine dans la région métropolitaine de Montréal entre 1986 et 2016: Apport des régressions spatiales par panel |
|---|---|
| Autoren: | Gaboriault-Boudreau, Maxime, Apparicio, Philippe, Brunelle, Cédric |
| Quelle: | Cahiers de géographie du Québec. 63:165 |
| Verlagsinformationen: | Consortium Erudit, 2019. |
| Publikationsjahr: | 2019 |
| Schlagwörter: | spatial analysis, Montreal, spatial regression, 05 social sciences, 1. No poverty, 0211 other engineering and technologies, 0507 social and economic geography, Urban poverty, 02 engineering and technology, 15. Life on land, régression spatiale, spatial panel regression, regresión por panel, Pobreza urbana, regresión espacial, 12. Responsible consumption, 13. Climate action, análisis espacial, Pauvreté urbaine, 8. Economic growth, 11. Sustainability, régression par panel, Montréal, analyse spatiale |
| Beschreibung: | Les modèles d’économétrie spatiale sont de plus en plus utilisés en géographie. Récemment, des extensions des modèles spatiaux autorégressifs ont été proposées afin d’analyser des données par panel, comprenant N entités spatiales pour lesquelles un ensemble de variables sont observées à T dates. À l’heure actuelle, ces modèles de régression par panel sont très peu connus des géographes. Par conséquent, notre objectif, dans cet article, est de décrire ces modèles et d’illustrer leurs avantages pour l’élaboration de diagnostics urbains longitudinaux. Pour ce faire, nous proposons un retour sur les régressions par panel. Puis nous décrivons une routine méthodologique permettant de déterminer le modèle le plus approprié au jeu de données à l’étude, parmi plusieurs modèles de régression par panel. L’application empirique, portant sur la modélisation de la pauvreté à Montréal de 1986 à 2016 par secteur de recensement, démontre que cette méthode est très robuste pour contrôler la variable de dépendance spatiale, mais aussi pour établir plusieurs types d’effets (directs, de débordement et de renvoi). En Geografía, los modelos de econometría espacial son utilizados con mayor frecuencia. Últimamente, extensiones de modelos espaciales auto regresivos han sido propuestos para analizar datos por panel (muestra de grupo permanente) con N entidades espaciales, por las que se observan un conjunto de variables en T data. Actualmente, los modelos de regresión por panel son poco conocidos por los geógrafos. Nuestro objetivo, en el presente artículo, es de describirlos e ilustrar sus ventajas para la elaboración de diagnósticos urbanos longitudinales. Para ello, proponemos una retrospectiva sobre las regresiones por panel. Luego, describimos una rutina metodológica que permita determinar el modelo apropiado a la serie de datos estudiados, entre los varios modelos de regresión por panel. La aplicación empírica, que concierne la modelización de la pobreza en Montreal de 1986 a 2016 por sector de empadronamiento, demuestra la robustez del método, tanto para controlar la variable de dependencia espacial, como para establecer varios tipos de efectos (directos, de exceso y de exclusión). There is a growing interest for spatial econometric models in geography. Recently, extensions of the cross-sectional spatial autoregressive models have been proposed to consider the temporal dimension of panel data (N locations at T time periods). Currently, these models are still little known to geographers. Therefore, the aim of this paper is to describe these models and present their advantages in analyzing the linear relation between a variable of interest and explanatory variables in the case of urban panel data. We first summarize panel models and their specifications. Then, we describe a methodological routine to identify the most appropriate model for a spatial panel dataset among various spatial panel models. Our empirical application of this method on poverty in the region of Montreal (at census tract level) from 1986 to 2016 shows its robustness to control for spatial dependency, but also its ability to identify several spatial effects ignored by classical aspatial models (spillover effects of the dependent and independent variables and feedback effect). |
| Publikationsart: | Article |
| Sprache: | French |
| ISSN: | 1708-8968 0007-9766 |
| DOI: | 10.7202/1084230ar |
| Dokumentencode: | edsair.doi.dedup.....41a541958b077fd25f63d37cf92170b6 |
| Datenbank: | OpenAIRE |
Nájsť tento článok vo Web of Science | Abstract: | Les modèles d’économétrie spatiale sont de plus en plus utilisés en géographie. Récemment, des extensions des modèles spatiaux autorégressifs ont été proposées afin d’analyser des données par panel, comprenant N entités spatiales pour lesquelles un ensemble de variables sont observées à T dates. À l’heure actuelle, ces modèles de régression par panel sont très peu connus des géographes. Par conséquent, notre objectif, dans cet article, est de décrire ces modèles et d’illustrer leurs avantages pour l’élaboration de diagnostics urbains longitudinaux. Pour ce faire, nous proposons un retour sur les régressions par panel. Puis nous décrivons une routine méthodologique permettant de déterminer le modèle le plus approprié au jeu de données à l’étude, parmi plusieurs modèles de régression par panel. L’application empirique, portant sur la modélisation de la pauvreté à Montréal de 1986 à 2016 par secteur de recensement, démontre que cette méthode est très robuste pour contrôler la variable de dépendance spatiale, mais aussi pour établir plusieurs types d’effets (directs, de débordement et de renvoi).<br />En Geografía, los modelos de econometría espacial son utilizados con mayor frecuencia. Últimamente, extensiones de modelos espaciales auto regresivos han sido propuestos para analizar datos por panel (muestra de grupo permanente) con N entidades espaciales, por las que se observan un conjunto de variables en T data. Actualmente, los modelos de regresión por panel son poco conocidos por los geógrafos. Nuestro objetivo, en el presente artículo, es de describirlos e ilustrar sus ventajas para la elaboración de diagnósticos urbanos longitudinales. Para ello, proponemos una retrospectiva sobre las regresiones por panel. Luego, describimos una rutina metodológica que permita determinar el modelo apropiado a la serie de datos estudiados, entre los varios modelos de regresión por panel. La aplicación empírica, que concierne la modelización de la pobreza en Montreal de 1986 a 2016 por sector de empadronamiento, demuestra la robustez del método, tanto para controlar la variable de dependencia espacial, como para establecer varios tipos de efectos (directos, de exceso y de exclusión).<br />There is a growing interest for spatial econometric models in geography. Recently, extensions of the cross-sectional spatial autoregressive models have been proposed to consider the temporal dimension of panel data (N locations at T time periods). Currently, these models are still little known to geographers. Therefore, the aim of this paper is to describe these models and present their advantages in analyzing the linear relation between a variable of interest and explanatory variables in the case of urban panel data. We first summarize panel models and their specifications. Then, we describe a methodological routine to identify the most appropriate model for a spatial panel dataset among various spatial panel models. Our empirical application of this method on poverty in the region of Montreal (at census tract level) from 1986 to 2016 shows its robustness to control for spatial dependency, but also its ability to identify several spatial effects ignored by classical aspatial models (spillover effects of the dependent and independent variables and feedback effect). |
|---|---|
| ISSN: | 17088968 00079766 |
| DOI: | 10.7202/1084230ar |