Professional Documents
Culture Documents
por
JESUS MUR LACAMBRA
Departamento de Anlisis Econmico
Facultad de Ciencias Econbmicas y Ernpresariales
Universidad de Zaragoza
RESUMEN
(*) Este trabajo ha sido realizado dentro del proyecto C^NAI HS-20/90. EI autor desea
agradecer las tiles sugerencias formuladas por los profesores J. H. P. Paelinck, J. M. Otero, A.
Novales, M. T. Aparicio y J. Trivez, que juzgaron la Tesis doctoral de la que este artculo extrae
parte del material, as como el gran apoyo encontrado en el profesor A. Aznar, director de la
misma.
'?if^ [.ti f r^[)I^T I( .^ I^;f'A!V( ^ l A
1. INTRODUCCION
2. ^A AUTOCORRELACION ESPACIAL
y=x^i+u [2.1]
u= p Wu+^ [2 . 2]
^^N(O,cs2I) [2.3]
('ONTRAti[f^;ti I)f^. AIICO('OKItFI.A{'ION f^:til'A('IAI,. l1N f^tiTlJl)I( ^ f)f. ti1^ ^ ti[f ^-11t1^ ^ _'^7
Los estadsticos en los que se basan los contrastes ad-hoc, pueden obtenerse
todos ellos como caso particular del denominado estadstico general de produc-
tos cruzados:
T
r ^r1 k^is+I [3.1]
intraducido por Knox ( 1964), en el que k^1 es una medida de interaccin entre los
puntos (o regianes) i y j, y s;^ una medida de similitud entre esos dos puntos en
relacin a un determinado atributo.
Con respecto a estos dos ltimos estadisticos, todos los indicios tienden a
sealar que es preferible la I de Moran. As, Cliff y l7rd (1981) demuestran que
la I es asintticamente rns potente que la c de Geary, conclusin que se ve
corroborada mediante varias simulaciones que Ilevan a cabo ambos autores.
Adicionalmente, King (1981) demuestra que el de Moran es el test localrnente
ms potente para contrastar la hiptesis nula Ho: p=0 frente a alternativas del
tipo HA: p>0. En consecuencia y utilizando estos resultados, puede decirse que
el contraste de autocorrelacin espacial basado en la I de Moran es el que
ofrece rns garantas de todo el grupo de contrastes ad-hoc.
Los momentos de primer y segundo orden del estadstico I para los residuos
MCO de un modelo de regresin, obtenidos en un contexto asinttico y bajo el
supuesto de una perturbacin incorrelada, son los siguientes [en Cliff y Ord
(1981 } y Anselin (1988) pueden encontrarse los detalles]:
__ ^^w^
I A , A
[3.4]
U ^
tr(X X)-'X^WX
E [I]=- T-k 3 . 5]
[tr(X X)-'X'WX]^+tr(MWMW}+tr(MWMW')
E [I2]= [3 . 6]
( T-k) ( T-k-2 )
Figura 3.1
siendo r la suma de los elementos de la j-sirna fila (o columna), y m^n y rrn^X los
valores mnimo y mximo, respectivamente, de esas sumas. Si cada elemento
de la matriz W se divide por la suma de los elementos de su fila (o columna)
respectiva, m^^ ser igual a maX y ambos igual a 1, y el mximo valor que puede
tomar p es tambin igual a 1. Haciendo esta transformacin, la acotacin
anteriar se convierte en:
^,l^<p<1 [3.10]
Para contrastar la hiptesis nula Ho: p=0 frente a la alternativa HA: p^0, estos
tres contrastes se obtienen a partir del lagaritmo de la funcin de verosimilitud
del modeio:
T T 2
L[y/8]=- /og2n- loga -- [y--X^]'A'A[y-X^]
2 +^T log(1-p^^) [3.14]
2 2 2a ^_ ^
^ ^^ ^ ^^
aL(y, 8) -^ [y'A'AX-R'X'A'AXJ _0
^R a2
^ ^^^ ^
c^L(Y^ 8) __0^ _ T + (Y-x^)'A'^(Y-XR) =0
^2 262 2a4
....
Obsrvese que se utiliza la expresin A para indicar la estimacin rnximo-
verosmil de la matriz. De la primera y segunda ecuacin se obtiene, respectiva-
mente:
^ ^^ ^^
(3= [X'A'AX ] -' [X'A 'A y] [3.16]
^^ ^
^! u'A'Au
T [3.17]
^ ^ ^
donde u=y-X[i. La estimacin de p puede obtenerse Ilevando [3.16] y[3.17] a
[3.14]:
^ ^ ^ ^ T ^
L(ylj3, a2, p)oc- T log 62+
2 ^! ^
log{1-p^, ) ^ , [ 3.18 ]
cuya maximizacin implica la minimizacin de:
r
log[2 ^ (1-p^,^ y2^^] [3.19]
^_^
a2{x'x)--^ o a -
,
-E ^ a2L(.Y^e)] ^1 0 264 0 [3.20]
^eae' ^ Ho T
0 0 (tr[(W+W')W])-' I
F:ti'T AI)I^TI('A F:^PAOL.A
az(X'A'A^ ' 0 0
2a2td^+d2) -2a2d3
0
_,E ^ ^ZL{Y^)] ^ T{d,+d2}--2d^2 T(d,+d2)--2d32 [3.21]
ae^e' J
-2a2da 2d3 _^
0 [ d , +d2- -^ ^
T{d,+d2}--2d^z
T
siendo d,=tr[WA-']'[WA-'], d^=^ ^,j2(1-p^)2 y d^=tr[WA-']
j=1
r
LR= T[Iog6R log2]+2 ^ log(1 p^.}sx2^,^ [3.22]
j=1
T ' W 2
LM= 2 [3.24]
tr[(W'+W)W] ' asx c^^
Y^=X',R+u, [4.1 ]
r
u.-P ^ wrjuj+ ^r
[4.2]
j= ^
regional que las respalde. De estas ltimas se han especificado dos tipos que
denominaremos de tipo 1 y de tipo II. En las primeras se ha supuesto que cada
regin tiene contacto con otras cuatro regiones, mientras que en las segundas
se supone que el 50% de las regiones tienen contacto con otras dos regiones, y
el 50% restante lo #ienen con otras seis. De esta forma, las matrices aespaciales
de tipo I se asocian a sisternas regionales equilibrados, mientras que las de tipo
li se asocian a sistemas peor articulados que las anteriores. Igualmente se han
utilizada dos matrices de tipo espacial, como son las obtenidas del sistema de
comunidades autnomas y de provincias espaol ( en ambos casos se han
excluido las Islas Canarias).
Los resultados del ejercicio ba ^ o este supuesto se detallan en las dos tablas
siguientes. La primera examina el grado de ajuste de la distribucin muestral de
ambos estadsticos a las distribuciones tericas supuestas. En la siguiente se
presenta el nivel de significacin estimado en cada uno de los contrastes.
Por otro lado, la utilizacin del estadstico AIC ha sido muy habitual para
resolver problemas de seleccin de modelos economtricos [Akaike (1973),
Sakamoto et al. (1986), Aznar (1989)]. EI problema que aqu nos ocu pa puede
entenderse igualmente como uno de seleccin de modelos y resolverse utili-
zando el estadstico A/C. La filosofa que subyace a este estadstico es la
de seleccionar aquel modelo economtrico que aporta un contenido inforrna--
tivo mayor. En nuestro caso, tenemos para los estadsticos I y LM una funcin
de distribucin emprica y una funcin de distribucin terica, caracterizada
cada una de ellas por una determinada distribucin de la masa de probabilidad
total sobre el espacio probabilstico. Tomando como referencia la funcin de
distribucin terica, este espacio probabilstico se puede dividir en una colec-
^^)X f^^+TAI)IS"Tlt'A E;Sf'Al)L..A
Tabla 5.1
Estadistico I de Moran
Kolmogorov-Smirnov .................................................. 1,2017 0,7906 0,9171
Criterio A!C ................................................................... -8,5102 -13,5410 -12,9573
Estadistico L.M
Kolrnogorov-Smirnov ................................................... 1,0752 1,2965 0,6325
Criterio AIC .................................................................. --4, 5494 -2,5812 -8,3331
Estadistico t de Moran
KImogorov-Smrnov .................................................. 2,4982(*) 0,4743 0,7589
Criterio A!C ................................................................... -7,2276 -15,7521 -14,2091
Estadstico LM
Kolmogorov-Smirnov .................................................. 1,6128(*) 0,7273 0,6641
Criterio AIC .................................................................. - 38
, 669 - 90
, 233 - 66
, 049
Estadstico I de Moran
Kolmogorov-Smirnov ................................................... 1,3282 1,0436
Criterio AfC ................................................................... -11,0554 -12,2892
Estadstico LM
Kolmogorov-Smirnov .................................................. 1,3914(^*) 1,7076(**)
Criterio AIC ................................................................... -5,5636 -7,6024
n!
Pr[n^, n2, ..., nklp^, p2, ..., pk]= p2n2 ... pk^k L5- ^^
n ^^ . n2.^ . . . nk.^ p^n'
n!
Al C( 1 )=-21og I^2 n2 ... pk ^^ [5.2]
n, . n2.1 . . . nk ! p n ^
I
n! n^ ^, n2 ^2
AIC(2)=-21og nk n k +2(k-1) [5.3]
n^!nZ! ... nk! n n n
Tabla 5.2
Nivel de significacin LM I LM t LM !
0,01 ............................................ 2 10 6 13 2 7
0,05 ............................................ 25 45 37 43 39 44
0,10 ............................................ 71 89 74 83 93 83
Nivel de significacin LM t LM t LM 1
0,01 ............................................ 1 13 9 9 14 13
0,05 ............................................ 21 50 43 49 46 56
0,10 ............................................ 67 90 110 113 97 98
Nivel de sig^nificacin LM t LM I
0,01 ............................................ 0 15 5 14
0,05 ............................................ 23 47 46 49
0,10 ............................................ 52 92 108 97
Figura 5.1
MATRIZ DE TIPO I
^ooo
900
800
700
600
500
400
300
200 \\\\^^^.\\\\\-r:
\\\\ .,,..,,.,J ,
100 _ \^\\\\.^^
^^\\\^\\\\\\\\\ _^..^- -
^
0 ^ ^ ^
Figura 5.2
MATRIZ DE TIPO II
F'igura 5.3
MATRICES ESPACIALES
6. CONCLUSIONES
mientras que en el caso del LM esta mejora slo se observa con un tarnao
muestral grande (de 100 observaciones). otra circunstancia que apunta en
favor de la l de Moran es que ste tiende a estirnar con mayor exactitud el nivel
de significacin del contraste, mientras que el Lllrf tiende a subestimarlo, y de
forma muy acusada con un tamao muestral pequeo.
BIBLIOGRAFIA
AZNAR, A.; APARICIO, M. T.; TRIVEZ, J., y MuR, J. (1989): Determinacin del
escenario macroeconmico bsico de la economa aragonesa para el pero-
do 1988-91 , Zaragoza: Diputacin General de Aragn.
CLIFF, A., y ORD, J. {1981): Spatial Process. Models and Applications, Lon-
dres: Pion.
GEARY, R. (1954): The Contiguity Ratio and Statistical Mapping, The Incorporated
Statistician, 5, 115-145.
K^NG, M. (1981): A Small Sample ^Property of the Cliff-Ord Test for Spatial
Gorrelation, Journal of the Roya/ Statistical Society B, 43, 263-264.
RAO, R. (1965}: Linear Statistical Inference and its Application, Nueva York:
John Willey and Sons.
SUMMARY