BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Łaszkiewicz Edyta (University of Lodz, Poland), Dong Guanpeng (University of Sheffield, United Kingdom), Harris Richard (University of Bristol)
Tytuł
The Effect of Omitted Spatial Effects and Social Dependence in the Modelling of Household Expenditure for Fruits and Vegetables
Skutki pominięcia efektów przestrzennych i społecznych zależności w modelu wydatków gospodarstw domowych na owoce i warzywa
Źródło
Comparative Economic Research, 2014, vol. 17, nr 4, s. 155-172, tab., rys., bibliogr. 14 poz.
Słowa kluczowe
Wydatki gospodarstw domowych, Owoce, Warzywa, Interakcje społeczne, Zachowania konsumenta
Household expenditures, Fruit, Vegetables, Social interaction, Consumer behaviour
Uwagi
This work was financial supported by grants ETIUDA1 from the Polish National Centre for Science, UMO-2013/08/T/HS4/00512.
summ., streszcz.
Abstrakt
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. (abstrakt oryginalny)

As is well known, ignoring spatial heterogeneity leads to biased parameter estimates, while omitting the spatial lag of a dependent variable results in biasness and inconsistency (Anselin, 1988). However, the common approach to analysing households' expenditures is to ignore the potential spatial effects and social dependence. In light of this, the aim of this paper is to examine the consequences of omitting the spatial effects as well as social dependence in households' expenditures. We use the Household Budget Survey microdata for the year 2011 from which we took households' expenditures for fruits and vegetables. The effect of ignoring spatial effects and/or social dependence is analysed using four different models obtained by imposing restrictions on the core parameters of the hierarchical spatial autoregressive model (HSAR). Finally, we estimate the HSAR model to demonstrate the existence of spatial effects and social dependence. We find the omitted elements of the external environment affect negatively the estimates for other spatial (social) effect parameters. Especially, we notice the overestimation of the random effect variance when the social dependence is omitted and the overestimation of the social interaction effect when the spatial heterogeneity is ignored.(original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Pełny tekst
Pokaż
Bibliografia
Pokaż
  1. Anselin L. (1988), Spatial Econometrics: Methods and Models, Vol. 4. Springer.
  2. Anselin L. (1990), Spatial Dependence and Spatial Structural Instability in Applied Regression Analysis, ʻJournal of Regional Science 30.2ʼ, pp. 185-207.
  3. Anselin L., Griffith D.A. (1988), Do spatial effects really matter in regression analysis?, ʻPapers in Regional Scienceʼ, 65(1), pp. 11-34.
  4. 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, ʻPublic health nutritionʼ, 9(05), pp. 23-630.
  5. 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, ʻJournal of Urban Economicsʼ, 80, pp. 76-86.
  6. Cameron A.C., Trivedi P.K. (2005), Microeconometrics: Methods and Applications, Cambridge University Press.
  7. Central Statistical Office (2012), Household Budget Survey in 2011, Statistical Information and Elaborations, Warsaw.
  8. Corrado L., Fingleton B. (2012), Where is the economics in spatial econometrics?, ʻJournal of Regional Scienceʼ, 52(2), pp. 210-239.
  9. Dong G., Harris R.J. (2014), Spatial Autoregressive Models for Geographically Hierarchical Data Structures, Geographical Analysis.
  10. Fotheringham S.A., Brunsdon C., Charlton M. (2003), Geographically Weighted Regression: The Analysis of Spatially Varying Relationships, John Wiley & Sons.
  11. 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.
  12. LeSage J., Pace R.K. (2010), Introduction to spatial econometrics, CRC press.
  13. Longford N.T. (1993), Random Coefficient Models, Clarendon Press.
  14. Plummer M., Best N., Cowles K., Vines K. (2006), CODA: Convergence diagnosis and output analysis for MCMC, R news, 6(1), 7-11.
Cytowane przez
Pokaż
ISSN
1508-2008
Język
eng
URI / DOI
http://dx.doi.org/10.2478/cer-2014-0038
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu