Spatial panel data forecasting over different horizons, cross-sectional and temporal dimensions

Abstract

Les évaluations empiriques de la capacité de prévision des modèles spatiaux en panel sont encore peu nombreuses. Quelques contributions méthodologiques reposent sur des données simulées afin de mettre en avant le potentiel de ces méthodes. Tandis que les simulations peuvent être utiles pour évaluer les propriétés d’un seul estimateur, le cadre empirique des études de simulation est souvent basé sur des hypothèses fortes concernant la forme et la régularité de la distribution statistique des variables utilisées. Il est alors utile d’avoir, à côté des études de simulation, des évaluations empiriques des modèles économétriques concurrents basées sur des données réelles. Dans cet article, nous évaluons des méthodes spatiales (dynamiques) en panel concurrentes, en utilisant un certain nombre de bases de données caractérisées par différentes dimensions temporelles et coupes transversales, ainsi que différents niveaux d’autocorrélation spatiale. Nous réalisons notre étude empirique sur des données de chômage régional pour la France, l’Espagne et la Suisse. En outre, nous faisons des tests sur différents horizons de prévision, afin d’évaluer la vitesse de dégradation de la qualité de prévision. Nous comparons deux classes de méthodes: les modèles Var spatiaux (Sp Var ) et les modèles dynamiques en panel utilisant des vecteurs propres de filtrage spatial ( Sf ). Nous constatons que, comme l’on pouvait s’y attendre, le déséquilibre entre la dimension temporelle et transversale (T > > n) joue en faveur du modèle Sp Var . Néanmoins l’avantage du modèle de Sp Var sur le modèle SF semble diminuer à mesure que l’horizon de prévision s’élargit et le modèle Sf semble être préféré pour des prévisions très lointaines.