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.
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Disclaimer: All third-party content on this website/platform is and will remain the property of their respective owners and is provided on "as is" basis without any warranties, express or implied. Use of third-party content does not indicate any affiliation, sponsorship with or endorsement by them. Any references to third-party content is to identify the corresponding services and shall be considered fair use under The CopyrightLaw.