Vous êtes sur la page 1sur 73

Plan du cours

Introduction

ESDA

H´et´erog´en´eit´e spatiale

Initiation `a l’´econom´etrie spatiale

Initiation `a l’analyse statistique des donn´ees spatiales
Initiation `a l’analyse statistique des donn´ees spatiales

Mohamed AMARA: UAQUAP (ISG Tunis) - G´eographie-cit´es UMR 8504 (Universit´e Paris 1, Sorbonne)

´

Master Economie du d´eveloppement R´egional (EDR)

UMR 8504 (Universit´e Paris 1, Sorbonne) ´ Master Economie du d´eveloppement R´egional (EDR) 1 / 72

1 / 72

Plan du cours

Plan

Introduction

ESDA

H´et´erog´en´eit´e spatiale

Initiation `a l’´econom´etrie spatiale

1
1

Introduction

L’analyse spatiale des donn´ees

types des donn´ees spatiales

Matrice des donn´ees spatiales

Autocorrelation spatiale

2
2

Statistiques spatiales

Cartographie

La matrice de pond´eration spatiale

Les mesures globales d’autocorr´elation spatiale

Les mesures locales d’autocorr´elation spatiale

3
3

H´et´erog´en´eit´e spatiale

R´egimes spatiaux

Fonctions spline

La m´ethode non-param´etrique Geographically Weighted Re gression (GWR)

´

4
4

Initiation `a l’ Econom´etrie spatiale

Le mod`ele autor´egressif spatial (SAR)

Mod`ele avec autocorr´elation spatiale des erreurs (SEM)

Le mod`ele de Durbin spatial (SDM)

des erreurs (SEM) ∙ Le mod`ele de Durbin spatial (SDM) ´ Master Economie du d´eveloppement R´egional

´

Master Economie du d´eveloppement R´egional (EDR)

2 / 72

Plan du cours

Introduction

Introduction

ESDA

H´et´erog´en´eit´e spatiale

Initiation `a l’´econom´etrie spatiale

Ce cours est destin´e aux ´etudiants et chercheurs qui veulent analyser l’information g´eographique dans diff´erents domaines de r echerche fondamentale et appliqu´ee.

Les domaines d’etudes peuvent ˆetre : l’´economie, la sociol ogie, l’am´enagement du territoire, la g´eographie, la criminol ogie, le g´eomarketing,

L’objectif de ce cours est de dresser une synth`ese raisonn´ee des m´ethodes sp´ecifiques de la statistique spatiale.

Etude de cas empiriques : nous essayons de r´ealiser un ensemble d’applications (sous R ou Stata) sur des donn´ees tunisiennes `a diff´erentes ´echelles (gouvernorat, d´el´egation).

L’´etudiant doit avoir acquis une connaissance fondamentale en statistique et en analyse exploratoire.

´

Master Economie du d´eveloppement R´egional (EDR)

fondamentale en statistique et en analyse exploratoire. ´ Master Economie du d´eveloppement R´egional (EDR) 3 /

3 / 72

Plan du cours

D´efinition

Introduction

ESDA

H´et´erog´en´eit´e spatiale

Initiation `a l’´econom´etrie spatiale

Le concept d’analyse spatiale s’articule autour de trois composantes :

la visualisation qui permet de repr´esenter les donn´ees spa tiales ;

l’exploration et le synth`ese des donn´ees afin de r´ev´eler des configurations spatiales particuli`eres ;

la mod´elisation spatiale qui tente d’expliquer les configur ations par la sp´ecification d’un mod`ele statistique et l’estimation des p aram`etres.

´

Master Economie du d´eveloppement R´egional (EDR)

mod`ele statistique et l’estimation des p aram`etres. ´ Master Economie du d´eveloppement R´egional (EDR) 4 /

4 / 72

Plan du cours

Introduction

ESDA

Donn´ees et Analyse spatiale

H´et´erog´en´eit´e spatiale

Initiation `a l’´econom´etrie spatiale

Le type des donn´ees spatiales utilis´ees influence le choix d e la statistique `a retenir pour l’analyse. Fisher et Wang (2011 :3-4) d´efinissent l es quatre types de donn´ees suivants :

1
1

Donn´ees ponctuelles : donn´ees observ´ees pour un ensemble de points localis´es

dans l’espace (Ex. position des arbres dans un forˆet).

2
2

Donn´es g´eostatistiques : donn´ees ´echantillonn´ees irr´eguli`erement mais peuven t ˆetre mesur´ees en tout point d’un domaine continu (pollution , temp´erature, pr´ecipitation, ).

3
3

Donn´ees ar´eales : donn´ees observ´ees pour un ensemble bien d´etermin´e d’uni t´e

spatiale r´egulier (grille) ou irr´egulier (r´egion, dist rict, pays, zone, de pauvret´e r´egionale, taux de chˆomage par gouvernorat).

)

(Ex. taux

4
4

Flux origine-destination : donn´ees sur les volumes d’´echange (biens,

individus,

migration, ).

) entre deux localit´es (pays, r´egions, ) (Ex. commerce bilat´erale,

1

1. voir table 1.1 page 4.

´

Master Economie du d´eveloppement R´egional (EDR)

) (Ex. commerce bilat´erale, 1 1. voir table 1.1 page 4. ´ Master Economie du d´eveloppement

5 / 72

Plan du cours

Introduction

ESDA

H´et´erog´en´eit´e spatiale

Initiation `a l’´econom´etrie spatiale

Matrice des donn´ees spatiales

Cette matrice resume l’information n´ecessaire pour l’analyse spatiale. Les donn´ees sont class´ees par type de l’objet spatial en question ( point object, area objet) ainsi que la valeur prise par la variable (ou les var iables) `a cette endroit.

Soient Z 1 , Z 2 , Z k k variables al´eatoires et s

le point ou la r´egion

, d’observation. La matrice de donn´ees spatiales est pr´esent´e e comme suit :

donn´ees pour les k variables localisation

⎡ Z 1 z 1 (1) Z 2 z 2 (1) Z k z k
Z 1
z 1 (1)
Z 2
z 2 (1)
Z k
z k (1)
S
s (1)
z 1 (1) z 2 (1)
z k (1)
s (2)
. .
.
.
⎢ ⎢
. .
.
.
⎥ ⎦
.
z 1 ( n )
.
z 2 ( n )
.
z k ( n )
.
s ( n )
∙ La forme r´eduite de cette matrice :
{z 1 ( i ) , z 2 ( i ) ,
, z k ( i ) ∣ s ( i ) } i =1 ,
(1)
,
n

´

Master Economie du d´eveloppement R´egional (EDR)

6 / 72

Plan du cours

Introduction

ESDA

H´et´erog´en´eit´e spatiale

Initiation `a l’´econom´etrie spatiale

z z z z z z z z z Matrice de donn´ees : cas d’objet
z z
z
z
z z
z
z
z
Matrice de donn´ees : cas d’objet ponctuel
z z
z
z
z z
z
z
z
Matrice de donn´ees : cas d’objet polygon z z z z z z z z
Matrice de donn´ees : cas d’objet polygon
z z
z
z
z
z
z
z
z

Matrice de donn´ees : cas d’une grille r´eguli`ere

´

Master Economie du d´eveloppement R´egional (EDR)

z z Matrice de donn´ees : cas d’une grille r´eguli`ere ´ Master Economie du d´eveloppement R´egional

7 / 72

Plan du cours

Introduction

ESDA

H´et´erog´en´eit´e spatiale

Les mesures classiques de concentration spatiale

Initiation `a l’´econom´etrie spatiale

Les propri´et´es d’un indice id´eal de concentration spatia le : La mesure de la concentration spatiale doit 2

ˆetre comparable entre secteur

ˆetre comparable entre zone g´eographique

ˆetre insensible `a un changement de d´efinition des secteurs

ˆetre insensible `a un changement de d´efinition des unit´es s patiales

ˆetre effectu´ee par rapport `a une r´ef´erence clairement ´e tablie

permettre de d´eterminer si des diff´erences significatives par rapport `a la r´ef´erence ou entre deux situations (zones, p´eriodes ou s ecteurs) existent

2.

´

Combes, PP ; Mayer T ; Thisse JF (2006) Economie g´eographique : l’integration des r´egions, Economica

g´eographique : l’integration des r´egions , Economica ´ Master Economie du d´eveloppement R´egional (EDR) 8 /

´

Master Economie du d´eveloppement R´egional (EDR)

8 / 72

Plan du cours

Introduction

ESDA

H´et´erog´en´eit´e spatiale

Quelques indices de concentration spatiale

Initiation `a l’´econom´etrie spatiale

Indice de Gini absolu : cet indice est employ´e pour mesurer la concentration spatiale d’une variable (ex. l’emploi industriel). Pour R r´egions et pour chaque secteur s , l’indice de Gini est donn´e par :

G s = 1

R

n =1

1

R [ 𝜆 s

r (n ) + 𝜆 r s (n +1) ]

s

avec 𝜆 s = x s la part de la r´egion r ( r = 1, , S )

r

r

x

, R ) dans le secteur s ( s = 1,

Cet indice de Gini est un indice absolu qui donne une mesure de la concentration par rapport `a une r´ef´erence qui est la distri bution uniforme o`u chaque r´egion repr´esente une mˆeme fraction 1/R de l’emploi du secteur consid´er´e. Il varie entre 0 (lorsque la distribution est uniforme) et 1 (lorsque l’emploi est concentr´e dans une seule r´egion).

´

Master Economie du d´eveloppement R´egional (EDR)

l’emploi est concentr´e dans une seule r´egion). ´ Master Economie du d´eveloppement R´egional (EDR) 9 /

9 / 72

Plan du cours

Introduction

ESDA

H´et´erog´en´eit´e spatiale

Quelques indices de concentration spatiale

Initiation `a l’´econom´etrie spatiale

Indice de Gini relatif : `a la diff´erence de l’indice absolu (ou` le pas est ´egal `a

R 1 ), l’indice relatif utilise un pas variable ([ 𝜆 r (n ) 𝜆 r (n +1) ]) :

G s = 1

R

[ 𝜆 r (n ) 𝜆 r (n +1) ][ 𝜆 s r (n ) + 𝜆 s r (n +1) ]

r =1

o`u 𝜆 r est la part de la r´egion r dans l’emploi total. Le pas utilis´e pour cet indice relatif est donn´e par la part dans l’emploi total de la ( n +1) eme r´egion.

´

Master Economie du d´eveloppement R´egional (EDR)

dans l’emploi total de la ( n +1) e m e r´egion. ´ Master Economie du

10 / 72

Plan du cours

Introduction

ESDA

H´et´erog´en´eit´e spatiale

Quelques indices de concentration spatiale

Initiation `a l’´econom´etrie spatiale

Indice d’Herfindhal : Il est bas´e sur le carr´e des parts des r´e gions dans l’emploi total

H s = 1

R

R

r =1

𝜆 r ( 𝜆 s ) 2

r

𝜆

r

H s a pour valeur maximale 1 et pour valeur minimale l’inverse du n ombre de r´egion 1/R si toutes les r´egions sont identiques.

Indice de Theil :

T s =

R

r =1

𝜆 s log ( 𝜆 s )

r

r

𝜆

r

´

Master Economie du d´eveloppement R´egional (EDR)

= R ∑ r =1 𝜆 s log ( 𝜆 s ) r r 𝜆 r

11 / 72

Plan du cours

Introduction

ESDA

H´et´erog´en´eit´e spatiale

Quelques indices de concentration spatiale

Initiation `a l’´econom´etrie spatiale

Indice d’Isard : bas´e sur la distance en valeur absolue entre les distributions.

Indice d’Ellison et Glaeser

I s = 1

2

R

n =1

𝜆 s 𝜆 r

r

G s =

R =1 ( 𝜆 r s

r

𝜆 r ) 2

R r =1 𝜆 r 2

1

La r´ef´erence pour cet indice n’est plus la distribution unif orme ou la distribution de l’emploi total, mais la valeur prise par l’ind ice lorsque les entreprises ob´eissent au principe d’une localisation al´eatoire.

´

Master Economie du d´eveloppement R´egional (EDR)

ob´eissent au principe d’une localisation al´eatoire. ´ Master Economie du d´eveloppement R´egional (EDR) 12 / 72

12 / 72

Plan du cours

Introduction

ESDA

Limites des indices classiques

H´et´erog´en´eit´e spatiale

Initiation `a l’´econom´etrie spatiale

Pour l’indice de Gini, on raisonne par rapport `a la distributi on uniforme de l’activit´e ´economique. Cependant, aucun test du caract`e re significatif de la d´eviation de l’indice par rapport `a cette distribution uni forme n’a jusqu’`a pr´esent ´et´e propos´e 3 .

L’indice de Gini reste inchang´e quelque soit l’arrangement d es unit´es spatiales.

Pour l’indice d’Ellison et Glaeser les seuils fix´es pour mesurer le degr´e de la concentration g´eographique d’un secteur restent subjectifs.

Ces indices n’int`egrent pas la position relative ( chekerboard problem ) ainsi que la proximit´e g´eographique des unit´es spatiales.

3.

que la proximit´e g´eographique des unit´es spatiales. 3. Voir Lafourcade M, Mion G (2007) Concentration,

Voir Lafourcade M, Mion G (2007) Concentration, agglomeration and the size of plants. Regional Science and Urban Economics, 37(1), 46-68

plants. Regional Science and Urban Economics , 37(1), 46-68 ´ Master Economie du d´eveloppement R´egional (EDR)

´

Master Economie du d´eveloppement R´egional (EDR)

13 / 72

Plan du cours

Introduction

Autocorr´elation spatiale

ESDA

H´et´erog´en´eit´e spatiale

Initiation `a l’´econom´etrie spatiale

La sp´ecificit´e de l’analyse spatiale r´eside dans l’hypoth`ese que les valeurs d’une variable sont similaires pour des r´egions voisines. Et qu e cet effet est inversement li´e `a la distance qui s´epare deux unit´es spatia les.

Cette id´ee est connue sous le nom de la premi`ere loi de la g´eographie “everything is related to everything else, but near things are more related than distant things ” (Tobler, 1970, p. 234).

L’autocorr´elation spatiale peut ˆetre positive ou n´egative.

Dans le cas de l’autocorr´elation spatiale positive, les va leurs similaires de la variable sont regroup´ees dans l’espace.

Dans le cas d’une autocorr´elation n´egative, les valeurs les plus dissemblables de la variable sont regroup´ees dans l’espace.

L’absence d’autocorr´elation spatiale indique une r´epar tition al´eatoire.

Comment identifier donc, pour chaque r´egion, ses voisins qui pr´esentent de valeurs similaires de la variable en question ?

´

Master Economie du d´eveloppement R´egional (EDR)

de valeurs similaires de la variable en question ? ´ Master Economie du d´eveloppement R´egional (EDR)

14 / 72

Plan du cours

D´efinition

Introduction

ESDA

H´et´erog´en´eit´e spatiale

Initiation `a l’´econom´etrie spatiale

Le d´eveloppement des syst`emes d’information g´eographiqu e (SIG) a rendu essentielle l’´emergence de nouvelles techniques d’analyse e xploratoire adapt´ees au caract`ere spatial des donn´ees (Anselin, 1995) 4 .

L’ESDA est un ensemble de m´ethodes permettant de d´ecrire les distributions spatiales, d’identifier les observations atypiques et de r´ev´eler des structures spatiales `a l’aide de fonctionnalit´es de visualisation.

L’ESDA nous permet de :

tester si une variable (Ex. taux de chˆomage, densit´e de la po pulation) pr´esente une concentration spatiale significative.

quelle est le type de cette concentration si elle existe (pos itive ou n´egative).

identifier l’ensemble des unit´es spatiales similaires, et ce lles pr´esentant une rupture en regard de leurs voisinages.

4. Local Indicators of Spatial Association-LISA. Geographical Analysis, Vol. 27, pp. 93-115.

´

Master Economie du d´eveloppement R´egional (EDR)

Geographical Analysis , Vol. 27, pp. 93-115. ´ Master Economie du d´eveloppement R´egional (EDR) 15 /

15 / 72

Plan du cours

Cartographie

Introduction

ESDA

H´et´erog´en´eit´e spatiale

Initiation `a l’´econom´etrie spatiale

Quelques logiciels de cartographie : logiciels libres ( R, geoDa, philcarto, ) ; logiciels payants ( ArcGis, mapinfo, Stata, ).

Exemple sous Stata

Pour repr´esenter une carte il faut avoir les trois fichiers s uivants (.dbf ; .shp ; .shx). Les fichiers .shp et .shx contiennent les informations li´ees `a la carte, et le fichier .dbf celles li´ees `a chaque unit´e spatiale. Plusieurs fichiers pour les pays d’Afrique sont disponibles `a diff´erentes ´echelles administratives `a l’adresse suivante : www.maplibrary.org/stacks/Africa/ .

Convertir un fichier shp vers Stata.

. ∙ Convertir un fichier shp vers Stata . . cd "c :/cours_amara/master/tunisie" .

.

cd "c :/cours_amara/master/tunisie"

.

shp2dta using tun, database(mydata) coordinates(mycoor ) genid(id) gencentroids(c)

.

rename x_c longitude

.

rename y_c latitude

.

save mydata, replace

.

spmap using mycoord, id(id)

´

Master Economie du d´eveloppement R´egional (EDR)

save mydata, replace . spmap using mycoord, id(id) ´ Master Economie du d´eveloppement R´egional (EDR) 16

16 / 72

Plan du cours

Introduction

Carte de la Tunisie

ESDA H´et´erog´en´eit´e spatiale
ESDA
H´et´erog´en´eit´e spatiale

carte de la Tunisie

Initiation `a l’´econom´etrie spatiale

.

spmap tx_chom using "mycoor.dta" , id(id) clnumber(4) fco lor(Blues2) ocolor(white

)

osize(medthin

)

.

spmap pop_04 using "mycoor.dta" , id(id) clnumber(4) fcol or(Reds2) ocolor(white

)

osize(medthin

)

´

Master Economie du d´eveloppement R´egional (EDR)

fcol or(Reds2) ocolor(white ) osize(medthin ) ´ Master Economie du d´eveloppement R´egional (EDR) 17 / 72

17 / 72

Plan du cours Introduction ESDA (17.55,21.9] (15.1,17.55] (11.6,15.1] [7.6,11.6]
Plan du cours
Introduction
ESDA
(17.55,21.9]
(15.1,17.55]
(11.6,15.1]
[7.6,11.6]

Taux de chˆomage par gouvernorats (2004)

H´et´erog´en´eit´e spatiale Initiation `a l’´econom´etrie spatiale (261236,496922] (199621,261236]
H´et´erog´en´eit´e spatiale
Initiation `a l’´econom´etrie spatiale
(261236,496922]
(199621,261236]
(140206,199621]
[48094,140206]

Population par gouvernorats (2004)

´

Master Economie du d´eveloppement R´egional (EDR)

[48094,140206] Population par gouvernorats (2004) ´ Master Economie du d´eveloppement R´egional (EDR) 18 / 72

18 / 72

Plan du cours

Exemple

Introduction

ESDA

H´et´erog´en´eit´e spatiale

Initiation `a l’´econom´etrie spatiale

La distribution du taux de chˆomage pr´esente une forte concen tration dans les gouvernorats internes du pays.

La r´epartition g´eographique de la population ne pr´esente pas une configuration particuli`ere (on peut avoir une forte concen tration si nous utilisons la densit´e de la population).

. spmap pop_den using "mycoor.dta" , id(id) clnumber(4) fco lor(Reds2) ocolor(white

)

osize(medthin

)

(138.1974,1725.424] (40.56673,138.1974] (24.13522,40.56673] [1.748901,24.13522] Densit´e de la population par
(138.1974,1725.424]
(40.56673,138.1974]
(24.13522,40.56673]
[1.748901,24.13522]
Densit´e de la population par gouvernorats (2004)

´

Master Economie du d´eveloppement R´egional (EDR)

Densit´e de la population par gouvernorats (2004) ´ Master Economie du d´eveloppement R´egional (EDR) 19 /

19 / 72

Plan du cours

Introduction

ESDA

H´et´erog´en´eit´e spatiale

Diff´erentes formes d’une matrice de poids

Initiation `a l’´econom´etrie spatiale

la matrice de poids est un ´el´ement essentiel dans l’analyse exp loratoire des donn´ees spatiales. Elle impose une structure particuli`ere au x interactions spatiales r´esum´ee par une matrice carr´ee, ayant autant de l ignes et de colonnes qu’il y a de zones g´eographiques. Les ´el´ements de cette matrice repr´esentent la fa¸con dont la r´egion i est la r´egion j sont connect´ees spatialement. Sa construction est bas´ee g´en´eralement sur la notion de contigu¨ıt´e et de distance. Les formes les plus connues sont (Getis et A ldstadt, 2004) 5 :

contigu¨ıt´e spatiale ;

inverse de la distance `a la puissance 𝜃 ( 𝜃 > 0) ;

longueurs des fronti`eres communes, divis´e par le p´erim`et re ;

diff´erentes classes (bondes) de distance ;

distance seuil ; et

n plus proches voisins.

5. Constructing the spatial weights matrix using a local statistic. Geographical Analysis, 35(2), 90-104.

´

Master Economie du d´eveloppement R´egional (EDR)

a local statistic. Geographical Analysis , 35(2), 90-104. ´ Master Economie du d´eveloppement R´egional (EDR) 20

20 / 72

Plan du cours

Introduction

ESDA

Matrice de pond´eration spatiale

H´et´erog´en´eit´e spatiale

Initiation `a l’´econom´etrie spatiale

Matrice de contigu¨ıt´e : w ij est ´egal `a 1 si les deux unit´es spatiales i et j ont une fronti`ere commune et 0 sinon. Par convention les ´el´eme nts w ii = 0 (une unit´e n’est pas contigu¨e `a elle-mˆeme). Pour une r´egion i quelconque et l’ensemble de ses voisines, les poids w ij de la matrice de contigu¨ıt´e W sont donc d´efinis de la mani`ere suivante :

w ij =

1

0

0

j

j

pour j = i .

pour

pour

∕∈

;

;

´

Master Economie du d´eveloppement R´egional (EDR)

0 0 j j pour j = i . pour pour ∈ ∕∈ ℑ ; ℑ

21 / 72

Plan du cours

Introduction

ESDA

H´et´erog´en´eit´e spatiale

Initiation `a l’´econom´etrie spatiale

Exemple de construction d’une matrice de pond´eration

Nord de la Tunisie
Nord de la Tunisie

gouvernorat nombre de voisins voisins

1

2

3

4

5

6

7

8

9

10

11

3

4

6

3

3

2

5

5

3

4

2

5, 4, 3

7, 6, 4

8, 2, 7

1, 2, 3

8, 1, 3

7, 2

10, 8, 6

 

10, 9

8, 10, 11

11, 7

10 , 9

 

3

1, 4, 5

2, 3

3, 7, 5

8, 9

 

0

⎢ ⎢ 1

0

⎢ ⎢ 1

⎢ ⎢ 0

1

1

0

0

0

0

0

1

1

1

W =

0

0

0

0

0

1

1

0

1

1

0

1

1

0

0

1

1

1

0

0

0

0

0

0

0

1

0

1

0

0

0

0

1

0

0

0

1

0

0

0

0

1

0

0

0

0

1

1

0

0

1

0

1

0

1

0

0

1

0

1

0

1

0

1

1

0

0

0

0

0

0

0

1

0

1

0

0

0

0

0

0

1

1

1

0

0

0

0

0

0

0

0

0

1

1

0

0

0

0

0

0

0

0

1

1

0

´

Master Economie du d´eveloppement R´egional (EDR)

⎦ 0 0 0 0 0 0 0 0 1 1 0 ´ Master Economie du

22 / 72

Plan du cours

Introduction

ESDA

Matrice de pond´eration spatiale

H´et´erog´en´eit´e spatiale

Matrice de poids bas´ee sur la distance :

k -plus proches voisins :

w ij ( k ) = {

1

0

si

si

d ij d ij >

d i ( k ) ; d i ( k ).

Initiation `a l’´econom´etrie spatiale

o`u w ij ( k ) est l’´el´ement i , j de la matrice de pond´eration spatiale et d i ( k ) est la plus petite distance d’ordre k entre les unit´es i et j telle que l’unit´e i poss`ede exactement k unit´es voisines.

Inverse distance :

w ij = {

d

0

ij

𝜃

Forme exponentielle n´egative :

si d ij < d , ( d sinon.

>0 ; 𝜃>0) ;

w ij = { exp( 𝜃 d ij )

0

si d ij < d , ( d >0 ; 𝜃>0) ; sinon.

´

Master Economie du d´eveloppement R´egional (EDR)

i j < d , ( d > 0 ; 𝜃> 0) ; sinon. ´ Master

23 / 72

Plan du cours

Introduction

ESDA

H´et´erog´en´eit´e spatiale

Exemple sous Stata : matrice de contigu¨ıt´e

Initiation `a l’´econom´etrie spatiale

.

spmat contiguity cmat using mycoor, id(id) normalize(row ) saving(listcmat, replace)

.

spmat graph cmat

.

spmat summarize cmat, links

Columns 1 5 10 15 20 24 1 5 10 15 20 24 Rows
Columns
1
5
10
15
20
24
1
5
10
15
20
24
Rows

Matrice de contigu¨ıt´e

Summary of spatial-weighting object cmat

Matrix

Description

Dimensions

24 x 24 24 x 24

Stored as

Links

total

100

min

2

mean

4.166667

max

7

´

Master Economie du d´eveloppement R´egional (EDR)

total 100 min 2 mean 4.166667 max 7 ´ Master Economie du d´eveloppement R´egional (EDR) 24

24 / 72

Plan du cours

Introduction

ESDA

H´et´erog´en´eit´e spatiale

Initiation `a l’´econom´etrie spatiale

Exemple sous Stata : matrice inverse distance ( 𝜃 = 1)

.

spmat idistance idmat1 longitude latitude, id(id) dfunct ion(dhaversine)

.

spmat graph idmat

.

spmat summarize idmat

Columns 1 5 10 15 20 24 1 5 10 15 20 24 Rows
Columns
1
5
10
15
20
24
1
5
10
15
20
24
Rows

Summary of spatial-weighting object cmat

Matrix

Description

Dimensions

24 x 24 24 x 24

Stored as

values

min

0

min>0

.001768

mean

.0072184

max

.0563192

Matrice de contigu¨ıt´e

1

La distance minimale entre deux gouvernorats est ´egale `a . 0563192 = 17.755934 km ; la plus

1

longue distance est . 001768 = 565.61086. La distance utilis´ee est celle de la distance sph´erique.

´

Master Economie du d´eveloppement R´egional (EDR)

distance utilis´ee est celle de la distance sph´erique. ´ Master Economie du d´eveloppement R´egional (EDR) 25

25 / 72

Plan du cours

Introduction

ESDA

H´et´erog´en´eit´e spatiale

Mesures globales d’autocorr´elation spatiale

Initiation `a l’´econom´etrie spatiale

Probl`eme des couleurs :

Soient n zones, et X une variable binaire ´egale `a 1 si la zone est noire et 0 si la zone est blanche. Les zones noires sont elles r´eparties al´eatoirement ? 6

Les fronti`eres peuvent ˆetre de trois types : ( BB ) quand les deux r´egions qu’elles s´eparent sont noires, ( WW ) quand les deux r´egions sont blanches, ( BW ) si les deux r´egions sont de couleurs oppos´ees.

Autocorr´elation spatiale positive si deux zones contigu¨es tendent `a ˆetre de la mˆeme couleur et n´egative si deux zones contigu¨es tendent `a ˆetre de couleurs oppos´ees (voir figure 2.3 page 24) 7 .

Le nombre de fronti`eres (arcs) noire-noire : BB = 1 2 i j w ij x i x j

Le nombre de fronti`eres noir-blanche : BW = 1 2 i j w ij ( x i x j ) 2

Le nombre de fronti`eres blanche-blanche :

WW = 1 2 i j w ij (1 x i )(1 x j ) = 1 2

i j w ij BB BW

6. Moran, P. A. P. (1948), The Interpretation of Statistical Maps, Journa l of the Royal Statistical Society. Series B (Methodological), vol. 10(2), pp.

243-251.

7.

Fisher MM, Wang J (2011) Spatial Data Analysis : Models, Methods and Techniques, Springer Briefs in Regional Science.

and Techniques , Springer Briefs in Regional Science. ´ Master Economie du d´eveloppement R´egional (EDR) 26

´

Master Economie du d´eveloppement R´egional (EDR)

26 / 72

Plan du cours

Exemple

Introduction

ESDA

H´et´erog´en´eit´e spatiale

Initiation `a l’´econom´etrie spatiale

autocorrelation positive

l’´econom´etrie spatiale ∙ autocorrelation positive ∙ pas d’autocorrelation ∙ autocorrelation negative

pas d’autocorrelation

∙ autocorrelation positive ∙ pas d’autocorrelation ∙ autocorrelation negative Rook Queen ∙ J B B

autocorrelation negative

∙ pas d’autocorrelation ∙ autocorrelation negative Rook Queen ∙ J B B = 27 J B

Rook

Queen

J BB = 27

J BB = 47

J WW = 27 J WB = 6

J WW =47 J WB = 16

Rook

Queen

J BB = 6

J BB = 14

J WW = 19 J WB = 35

J WW =40 J WB = 56

Rook

Queen

J BB = 0

J BB = 25

J WW = 0 J WB = 60

J WW =25 J WB = 60

´

Master Economie du d´eveloppement R´egional (EDR)

= 0 J W B = 60 J W W =25 J W B = 60

27 / 72

Plan du cours

Introduction

ESDA

H´et´erog´en´eit´e spatiale

Mesures globales d’autocorr´elation spatiale

Initiation `a l’´econom´etrie spatiale

Loi de probabilit´e suivies par BB et BW : sous H 0 d’absence d’autocorr´elation spatiale, et selon les deux hypoth`eses sui vantes :

H 1 : Tirage avec remise : avec p la probabilit´e de tirer une r´egion noire et q celle d’avoir une r´egion blanche ( p + q = 1). La variable al´eatoire d´efinie par le nombre de fois o`u une r´egion noire (ou blanche) est tir´ee su it donc une loi binomiale.

H 2 : Tirage sans remise dans une urne qui contient n 1 r´egions noires et n 2 r´egions blanches ( n 1 + n 2 = n ) La variable al´eatoire d´efinie par le nombre de fois o`u une r´egion noire (ou blanche) est tir´ee suit donc u ne loi hyperg´eom´etrique.

´

Master Economie du d´eveloppement R´egional (EDR)

est tir´ee suit donc u ne loi hyperg´eom´etrique. ´ Master Economie du d´eveloppement R´egional (EDR) 28

28 / 72

Plan du cours

Introduction

ESDA

H´et´erog´en´eit´e spatiale

Rappel : loi binomial et loi hyperg´eom´etrique

Initiation `a l’´econom´etrie spatiale

Loi binomial : On dit qu’une variable al´eatoire X suit une loi binomiale de param`etres n et p , si sa loi de probabilit´e est donn´ee par :

E ( X ) = np ; V ( x ) = npq

p ( X = k ) = C

n

k p k q n k

Loi hyperg´eom´etrique : Si N : nombre total de boules dans l’urne, B nombre total de boules noires, N - B : nombre total de boules blanches. Tirer n boules dont k noires revient `a tirer k boules parmi les B noires et ( n k ) boules parmi les ( N B ) blanches.

p ( k ) =

k

C C

B

n

N

k

B

C

n

N

B

E ( X ) = np ; avec p = N et V ( X ) = npq N n

N 1 .

´

Master Economie du d´eveloppement R´egional (EDR)

= N et V ( X ) = npq N − n N − 1 .

29 / 72

Plan du cours

Introduction

ESDA

Esp´erance et variance de BB

H´et´erog´en´eit´e spatiale

Initiation `a l’´econom´etrie spatiale

Sous l’hypoth`ese H 1 :

E ( BB ) = 1 S 0 p 2

V

E ( BW ) = S 0 pq

V

2 1

( BB ) = 4 [ S 1 p 2 + ( S 2 2S 1 ) p 3 + ( S 1 S 2 ) p 4 ]

1

( BW ) = 4 [2S 1 pq + ( S 2 2S 1 ) pq ( p + q ) + 4( S 1 S 2 ) p 2 q 2 ]

Sous l’hypoth`ese H 2 :

E ( BB ) =

V ( BB ) = 1

1

2 S 0 n 2

2

n

1

4 [ S 1 n 2

1

n

2

+

(S 2 2 S 1 )n 3 + (S +S 1 S 2 )n 4

n

3

1

2

0

n

4

1

] E ( BB ) 2

E ( BW ) = S 0 n 1 n 2

n

2

V ( BW ) = 1

4 [ 2 S 1 n 1 n 2

n

2

+

(S 2 2 S 1 )n 1 n 2 (n 1 +n 2 2) + 4(S +S 1 S 2 )n 2 n

n

3

2

0

n

4

1

2

2

] E ( WB ) 2

BB E (BB )

est approch´ee par une loi normale d’esp´erance nulle et de var iance

V (BB )

unitaire.

´

Master Economie du d´eveloppement R´egional (EDR)

nulle et de var iance √ V ( BB ) unitaire. ´ Master Economie du d´eveloppement

30 / 72

Plan du cours

Introduction

Variables quantitatives

ESDA

H´et´erog´en´eit´e spatiale

Initiation `a l’´econom´etrie spatiale

La statistique de Moran : une extension de la statistique BB

I = n

S 0

i j w ij ( x i x )( x j x )

i ( x i x ) 2

S 0 est la somme de tous les ´el´ements de la matrice W . La forme matricielle de I est

I = n

S 0

z Wz

z z

o`u z est le vecteur des n observations en d´eviation `a la moyenne de la

variable x , x . Si la matrice de poids est standardis´ee (la somme sur j de la i `eme ligne est ´egale `a 1), S 0 = N . La formule matricielle se simplifi´ee `a

I

= z Wz

z z

l’esp´erance de I est E ( I ) = 1

n

1

il y a autocorr´elation spatiale positive lorsque I est sup´erieur `a cette esp´erance et il y a autocorr´elation spatiale n´egative lorsq ue I est inf´erieur.

spatiale n´egative lorsq ue I est inf´erieur. ´ Master Economie du d´eveloppement R´egional (EDR) 31 /

´

Master Economie du d´eveloppement R´egional (EDR)

31 / 72

Plan du cours

Introduction

Variables quantitatives

ESDA

H´et´erog´en´eit´e spatiale

Initiation `a l’´econom´etrie spatiale

L’autocorr´elation spatiale positive se traduit par une tenda nce `a la concentration dans l’espace de valeurs faibles ou ´elev´ees d’une variable al´eatoire.

L’autocorr´elation spatiale n´egative signifie que chaque lo calisation tend `a ˆetre entour´ee par des localisations voisines pour lesquelles la variable al´eatoire prend des valeurs tr`es diff´erentes.

L’absence d’autocorr´elation spatiale indique que la r´epar tition spatiale des valeurs de la variable est al´eatoire.

´

Master Economie du d´eveloppement R´egional (EDR)

tition spatiale des valeurs de la variable est al´eatoire. ´ Master Economie du d´eveloppement R´egional (EDR)

32 / 72

Plan du cours

Introduction

Variables quantitatives

ESDA

H´et´erog´en´eit´e spatiale

Initiation `a l’´econom´etrie spatiale

La variance de la statistique de moran est :

avec

S 0 = i j w ij ;

V ( I ) = n 2 S 1 nS 2 + 3S

S

2

0

2

0

( n 2 1)

S 1 = 1 2 i j ( w ij +

w ji ) 2 ;

S 2 = i ( w i . + w . i ) 2

;

w i . =

i w ij et

w . i = j w ji

´

Master Economie du d´eveloppement R´egional (EDR)

E ( I ) 2 ,

∙ w . i = ∑ j w ji ´ Master Economie du d´eveloppement R´egional (EDR)

33 / 72

Plan du cours

Introduction

ESDA

H´et´erog´en´eit´e spatiale

La statistique de Geary (Geary (1954))

Initiation `a l’´econom´etrie spatiale

La statistique de Geary est d´eriv´ee de la statistique BW , elle utilise les carr´es des diff´erences entre les valeurs prises par la variable sur le s r´egions voisines. Elle s’´ecrit de la fa¸con suivante :

c = n 1 2S 0

i j w ij ( x i x j ) 2

i ( x i x ) 2

En l’absence d’autocorr´elation spatiale, le coefficient de Ge ary est proche de

1.

´

Master Economie du d´eveloppement R´egional (EDR)

spatiale, le coefficient de Ge ary est proche de 1. ´ Master Economie du d´eveloppement R´egional

34 / 72

Plan du cours

Exemple

Introduction

ESDA

H´et´erog´en´eit´e spatiale

Test d’autocorr´elation spatiale

Initiation `a l’´econom´etrie spatiale

spatiale Initiation `a l’´econom´etrie spatiale ´ Master Economie du d´eveloppement R´egional (EDR) 35 /

´

Master Economie du d´eveloppement R´egional (EDR)

spatiale Initiation `a l’´econom´etrie spatiale ´ Master Economie du d´eveloppement R´egional (EDR) 35 / 72

35 / 72

Plan du cours

Introduction

Exemple : interpr´etation

ESDA

H´et´erog´en´eit´e spatiale

Initiation `a l’´econom´etrie spatiale

Nous testons l’hypoth`ese nulle d’absence d’autocorr´elation spatiale au niveau de la variable choisie.

Pour les deux statistiques (Moran et Geary) les p value sont inf´erieures `a 0,05 ( 𝛼 = 5%). Donc on rejette, pour les deux variables densit´e de la population et taux de chˆomage, l’hypoth`ese nulle d’absence d’autocorr´elation spatiale. Les gouvernorats `a forte densit´e de population ou de taux de chˆomage sont regroup´es ensemble (mˆeme chose pour les gouver norats `a faibles valeurs).

Dans ce cas, la prise en compte de cette dimension spatiale est indi spensable pour avoir des r´esultats non biais´es.

´

Master Economie du d´eveloppement R´egional (EDR)

indi spensable pour avoir des r´esultats non biais´es. ´ Master Economie du d´eveloppement R´egional (EDR) 36

36 / 72

Plan du cours

Introduction

ESDA

Autocorr´elation spatiale locale

H´et´erog´en´eit´e spatiale

Initiation `a l’´econom´etrie spatiale

Les statistiques globales ne permettent pas d’identifier la str ucture r´egionale de l’autocorr´elation spatiale. Elles testent l’existence ou l’absence d’une autocorr´elation spatiale pour l’ensemble des donn´ees (l’e nsemble des unit´es spatiales).

Les statistiques locales permettent de d´etecter les regroup ements locaux des valeurs faibles ( cold spots ) ou ´elev´ees ( hot spots ), elles d´eterminent aussi les r´egions qui contribuent plus `a l’autocorrelation spatial e globale. Les statistiques spatiales locales les plus utilis´ees sont :

Les statistiques de Getis-Ord ( G i ( d )) 8 .

Le diagramme de Moran

Les indicateurs locaux d’association spatiale (LISA)

8.

Getis A, Ord JK (1992) The analysis of spatial association by distance statistics. Geog Anal 24(3) :189-206

by distance statistics. Geog Anal 24(3) :189-206 ´ Master Economie du d´eveloppement R´egional (EDR) 37 /

´

Master Economie du d´eveloppement R´egional (EDR)

37 / 72

Plan du cours

Introduction

ESDA

Statistiques de Getis-Ord

H´et´erog´en´eit´e spatiale

Initiation `a l’´econom´etrie spatiale

Pour chaque r´egion i la statistique de Getis-Ord s’´ecrit comme :

G i ( d ) = j =i w ij ( d ) x j

j =i x j

w ij ( d ) sont ´egaux `a 1 pour toutes les r´egions situ´ees `a une distan ce d de i et 0 pour toutes les autres r´egions. La statistique mesure donc la proportion de la somme de tous les x j qui sont situ´es `a une distance inf´erieure `a d de la r´egion i .

L’esp´erance math´ematique de G i ( d ) :

o`u W i = j w ij ( d )

E ( G i ( d )) =

W i

( n 1)

´

Master Economie du d´eveloppement R´egional (EDR)

j ( d ) E ( G i ( d )) = W i ( n

38 / 72

Plan du cours

Introduction

ESDA

Statistiques de Getis-Ord

H´et´erog´en´eit´e spatiale

La variance empirique de G i ( d ) :

o`u Y i 1 =

var ( G i ( d )) = W i ( n 1 W i )

Y i 2

2

i 1

( n 1) 2 ( n 2) Y

j x j

(n

1) et Y i 2 = j x /( n 1) Y

j

2

2

i 1

Initiation `a l’´econom´etrie spatiale

Pour chaque r´egion i , la statistique de Getis-Ord donne la proportion de la somme de la variable x au voisinage de i ( au sein du cercle de rayon d ) par rapport `a la somme total pour l’ensemble n des r´egions.

une valeur standardis´ee positive de G i ( d ) indique un regroupement spatial de valeurs ´elev´ees autour de i alors qu’une valeur n´egative indique un regroupement spatial de valeurs faibles autour de la r´egion i .

´

Master Economie du d´eveloppement R´egional (EDR)

spatial de valeurs faibles autour de la r´egion i . ´ Master Economie du d´eveloppement R´egional

39 / 72

Plan du cours

Introduction

Filtrage spatial

ESDA

H´et´erog´en´eit´e spatiale

Initiation `a l’´econom´etrie spatiale

La statistique G i ( d ) est aussi utilis´ee pour filtrer la variable `a d´ependance spatiale. Il s’agit de d´ecomposer la variable initiale en deux composantes :

F

une variable filtr´ee x qui ne pr´esente plus de l’autocorr´elation spatiale et l’effet spatial L x avec

i

F

x i = x i

[

W

(n 1) ]

i

G i ( d )

La valeur optimale de d est celle qui permet d’avoir une variable filtr´ee sans autocorr´elation spatiale. Il s’agit donc de d´eterminer la valeur qui minimise la fonction objective suivante

d opt = min z I ( x F )

z I est la valeur centr´ee r´eduite de l’indice de Moran globale.

´

Master Economie du d´eveloppement R´egional (EDR)

valeur centr´ee r´eduite de l’indice de Moran globale. ´ Master Economie du d´eveloppement R´egional (EDR) 40

40 / 72

Plan du cours

Introduction

Le diagramme de Moran

ESDA

H´et´erog´en´eit´e spatiale

Initiation `a l’´econom´etrie spatiale

Le diagrame de Moran est un outil pour visualiser les formes de l’autocorr´elation spatiale locale et d´etecter les observa tions extrˆemes. En abscisse figure la valeur standardis´ee de la variable, not´ee z , et en ordonn´ee son d´ecalage spatial standardis´e Wz . Les quatre diff´erents types d’association spatiale locale sont :

HH : une r´egion associ´ee `a une valeur ´elev´ee entour´ee d e r´egions associ´ees `a des valeurs ´elev´ees.

BH : une r´egion associ´ee `a une valeur faible entour´ee de r´egions associ´ees `a des valeurs ´elev´ees.

BB : une r´egion associ´ee `a une valeur faible entour´ee de r´egions associ´ees `a des valeurs faibles.

HB : une r´egion associ´ee `a une valeur ´elev´ee entour´ee d e r´egions associ´ees `a des valeurs faibles.

´

Master Economie du d´eveloppement R´egional (EDR)

d e r´egions associ´ees `a des valeurs faibles. ´ Master Economie du d´eveloppement R´egional (EDR) 41

41 / 72

Plan du cours

Introduction

ESDA

H´et´erog´en´eit´e spatiale

Initiation `a l’´econom´etrie spatiale

Les indicateurs locaux d’association spatiale (LISA)

Le LISA satisfait les deux crit`eres suivants :

- le LISA donne une indication sur le regroupement spatial signi ficatif de

valeurs similaires autour de chaque observation.

- la somme des LISA associ´es `a toutes les observations est propor tionnelle `a un indicateur global d’association spatiale. Le LISA est donn´e par

I i = ( x i x )

m

0

j

w ij ( x j x )

avec m 0 = i ( x i x ) 2 /n

la somme de I i est

i

I i =

1

m 0

i

( x i x ) w ij ( x j x ) =

j

1

m 0

i

j

w ij ( x i x )( x j x )

la statistique globale de Moran est proportionnelle `a la somme d es statistiques locales de Moran : I = i I i /S 0 ; si S 0 = n alors I est la moyenne arithm´etique de I i .

= n alors I est la moyenne arithm´etique de I i . ´ Master Economie du

´

Master Economie du d´eveloppement R´egional (EDR)

42 / 72

Plan du cours

Introduction

Les moments de I i

ESDA

H´et´erog´en´eit´e spatiale

Initiation `a l’´econom´etrie spatiale

Esp´erance de I i

variance de I i

E ( I i ) = W i

( n 1)

var ( I i ) = [ W i (2) ( n b 2 ) /( n 1)]+[2W i (kh ) (2b 2 n ) /( n 1)( n 2)] [ W /( n 1) 2 ]

2

i

avec

2

b 2 = m 4 /m m 2 = ( x i x ) 2 /n ; m 4 =

2

i

( x i x ) 4 /n

i

W i (2) = i =j

2

ij

w

;

2W i (kh ) =

k =i h =i

w ik w ih

´

Master Economie du d´eveloppement R´egional (EDR)

i ( kh ) = ∑ ∑ k ∕ = i h ∕ = i w

43 / 72

Plan du cours

Introduction

ESDA

H´et´erog´en´eit´e spatiale

Exemples pour les statistiques spatiales locales

Initiation `a l’´econom´etrie spatiale

L’indice de Getis-Ord (variable taux de chˆomage en Tunisie) .

Gouvernorat

ID

G i

Z

p value

Ariana

Ben Arous

Manouba

Tunis

Bizerte

Nabeul

Zaghouan

Beja

Jendouba

Siliana

Le Kaf

Kairouan

Kasserine

Sidi Bouzid

Mahdia

Monastir

Sousse

Gafsa

Kebili

Tozeur

Gabes

Tataouine

Sfax

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

0,134

0,178

0,270

0,118

0,127

0,132

0,297

0,270

0,165

0,375

0,172

0,255

0,220

0,291

0,131

0,064

0,188

0,225

0,223

0,095

0,200

0,065

0,158

0,208

0,225

0,392

-0,634

-0,169

0,119

-0,294

2,284

1,912

2,776

2,344

-0,199

2,251

1,250

-2,088

-1,580

-1,304

0,368

0,279

0,560

-0,743

-1,360

-0,742

0,834

0,821

0,695

0,525

0,865

0,904

0,768

0,022

0,055

0,005

0,019

0,842

0,024

0,211

0,036

0,113

0,192

0,712

0,779

0,575

0,457

0,173

0,457

Medenine

24

0,120

-0,532

Medenine 24 0,120 -0,532

´

Medenine 24 0,120 -0,532 ´ 0,594

0,594

Medenine 24 0,120 -0,532 ´ 0,594
Medenine 24 0,120 -0,532 ´ 0,594
Medenine 24 0,120 -0,532 ´ 0,594
Medenine 24 0,120 -0,532 ´ 0,594

Master Economie du d´eveloppement R´egional (EDR)

0,173 0,457 Medenine 24 0,120 -0,532 ´ 0,594 Master Economie du d´eveloppement R´egional (EDR) 44 /

44 / 72

Plan du cours

Introduction

ESDA

H´et´erog´en´eit´e spatiale

Exemples pour les statistiques spatiales locales

Initiation `a l’´econom´etrie spatiale

L’indice de Getis-Ord (variable densit´e de la population e n Tunisie).

Gouvernorat

ID

G i

Z

p value

Ariana

Ben Arous

Manouba

Tunis

Bizerte

Nabeul

Zaghouan

Beja

Jendouba

Siliana

Le Kaf

Kairouan

Kasserine

Sidi Bouzid

Mahdia

Monastir

Sousse

Gafsa

Kebili

Tozeur

Gabes

Tataouine

Sfax

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

0,590

0,613

0,727

0,439

0,155

0,131

0,230

0,099

0,025

0,068

0,031

0,109

0,026

0,078

0,143

0,048

0,135

0,023

0,021

0,006

0,061

0,007

0,043

2,679

2,279

2,180

3,729

0,158

0,009

-0,341

-0,611

-0,661

-1,097

-0,629

-0,736

-0,833

-0,892

-0,170

-0,278

-0,417

-1,008

-1,027

-0,615

-0,811

-0,611

-0,708

0,007

0,022

0,029

0,000

0,874

0,992

0,732

0,541

0,508

0,272

0,529

0,461

0,404