Skutki pominięcia efektów przestrzennych i społecznych zależności w modelu wydatków gospodarstw domowych na owoce i warzywa
DOI:
https://doi.org/10.2478/cer-2014-0038Słowa kluczowe:
interakcje społeczne, zachowania konsumpcyjne, przestrzenne modele wielopoziomoweAbstrakt
Pominięcie przestrzennej heterogeniczności w modelu ekonometrycznym skutkuje błędnym oszacowaniem parametrów, zaś brak uwzględnienia opóźnionej przestrzennie zmiennej zależnej skutkuje obciążeniem i brakiem zgodności estymatora (Anselin 1988). Mimo tego w analizach wydatków gospodarstw domowych efekty przestrzenne oraz interakcje społeczne są najczęściej pomijane. W pracy skoncentrowano się na skutkach pominięcia efektów przestrzennych i ww. interakcji. W badaniu wykorzystano mikrodane pochodzące z Badania Budżetów Gospodarstw Domowych (2011 r.), dotyczące wydatków na owoce i warzywa. Skutki pominięcia efektów przestrzennych i/lub interakcji międzyludzkich zweryfikowano wykorzystując hierarchiczny model autoregresji przestrzennej (HSAR) oraz cztery modele uzyskane poprzez nałożenie restrykcji na parametry modelu HSAR. Uzyskane wyniki potwierdziły negatywny wpływ pominięcia składowych środowiska zewnętrznego na oszacowania wybranych parametrów. Zaobserwowano przeszacowanie parametru odzwierciedlającego skalę przestrzennej heterogeniczności w sytuacji pominięcia interakcji międzyludzkich oraz przeszacowanie parametru tychże interakcji w sytuacji pominięcia przestrzennej niejednorodności zjawiska.
Pobrania
Bibliografia
Anselin L. (1988), Spatial Econometrics: Methods and Models, Vol. 4. Springer.
Google Scholar
Anselin L. (1990), Spatial Dependence and Spatial Structural Instability in Applied Regression Analysis, ʻJournal of Regional Science 30.2ʼ, pp. 185-207.
Google Scholar
Anselin L., Griffith D. A. (1988), Do spatial effects really matter in regression analysis?, ʻPapers in Regional Scienceʼ, 65(1), pp. 11-34.
Google Scholar
Ball K., Crawford D., Mishra, G. (2006), Socio-economic inequalities in women's fruit and vegetable intakes: a multilevel study of individual, social and environmental mediators, Public health nutritionʼ, 9(05), pp. 23-630.
Google Scholar
Baltagi B. H., Fingleton B., Pirotte A. (2014), Spatial lag models with nested random effects: An instrumental variable procedure with an application to English house prices, Journal of Urban Economicsʼ, 80, pp. 76-86.
Google Scholar
Cameron A.C., Trivedi P.K. (2005), Microeconometrics: Methods and Applications, Cambridge University Press.
Google Scholar
Central Statistical Office (2012), Household Budget Survey in 2011, Statistical Information and Elaborations, Warsaw.
Google Scholar
Corrado L., Fingleton B. (2012), Where is the economics in spatial econometrics?, ʻJournal of Regional Scienceʼ, 52(2), pp. 210-239.
Google Scholar
Dong, G., Harris, R J. (2014), Spatial Autoregressive Models for Geographically Hierarchical Data Structures, Geographical Analysis.
Google Scholar
Fotheringham S.A., Brunsdon C., Charlton M. (2003), Geographically Weighted Regression: The Analysis of Spatially Varying Relationships, John Wiley & Sons.
Google Scholar
Giskes K., Turrell G., Van Lenthe F. J., Brug J., Mackenbach J. P. (2006), A multilevel study of socio-economic inequalities in food choice behaviour and dietary intake among the Dutch population: the GLOBE study, ʻPublic health nutritionʼ, 9(01), pp. 75-83
Google Scholar
LeSage J., Pace R. K. (2010), Introduction to spatial econometrics, CRC press.
Google Scholar
Longford N.T. (1993), Random Coefficient Models, Clarendon Press.
Google Scholar
Plummer M., Best N., Cowles K., Vines K. (2006), CODA: Convergence diagnosis and output analysis for MCMC, R news, 6(1), 7-11.
Google Scholar
Pobrania
Opublikowane
Jak cytować
Numer
Dział
Licencja
Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa – Użycie niekomercyjne – Bez utworów zależnych 4.0 Międzynarodowe.
