Пространственная модель Дарбина
Простра́нственная моде́ль Да́рбина (англ. spatial Durbin model, SDM), пространственно-эконометрическая модель, которая учитывает пространственные лаги как зависимой, так и независимых (объясняющих) переменных. Позволяет наиболее полно учесть пространственную зависимость между рассматриваемыми объектами (чаще всего странами или регионами). Функциональная форма этой модели, оцениваемой по наблюдениям за объектами (например, регионами), имеет вид:
где – зависимая переменная, – матрица объясняющих переменных , – пространственный лаг зависимой переменной, – матрица пространственных лагов объясняющих переменных, – вектор ошибок, – оцениваемые параметры.
При выявлении пространственной зависимости для исследуемых показателей (с помощью индексов Морана, Гири, Гетиса – Орда или локальных показателей пространственной зависимости) рекомендуется для начала оценить пространственную модель Дарбина (LeSage. 2009). Поскольку пространственный лаг является эндогенной переменной, оценка параметров пространственной модели Дарбина проводится с помощью метода максимального правдоподобия или обобщённого метода моментов. После оценки модели рекомендуется проверить гипотезы об ограничениях на параметры:
(если эта гипотеза не отвергается, то модель сводится к модели пространственной авторегрессии SAR);
(если эта гипотеза не отвергается, то модель сводится к линейной регрессионной модели, нет необходимости учитывать пространственную зависимость);
(если эта гипотеза не отвергается, то модель сводится к модели с пространственной зависимостью в ошибках SEM).
Если значимы какие-нибудь из параметров , то говорят о локальных (идущих от соседей) спилловерах (эффектах перелива). Если же значим коэффициент пространственной автокорреляции , то имеют место глобальные спилловеры, отражающие влияние на регион не только непосредственных соседей, но и соседей второго, третьего и т. д. порядка.
Для интерпретации влияния каждой объясняющей переменной вычисляется матрица предельных эффектов размера :
Диагональные элементы этой матрицы называются прямыми предельными эффектами; элемент показывает, как изменится зависимая переменная в регионе при изменении фактора в этом же регионе на одну единицу измерения.
Внедиагональные элементы этой матрицы называются косвенными предельными эффектами (или спилловерами); элемент показывает, как изменится зависимая переменная в регионе при изменении фактора в другом регионе на одну единицу измерения.
Поскольку предельных эффектов очень много, прямых и косвенных, то обычно интерпретируют средние предельные эффекты:
средний прямой эффект (англ. average direct effect, ADE): , который показывает, как изменение переменной на одну единицу влияет на изменение переменной в этом же регионе (например, как инвестиции в выбранном регионе влияют на экономический рост в этом регионе);
средний косвенный эффект (также спилловер, англ. average indirect effect, AIE): , который показывает, как изменение переменной на одну единицу в соседних регионах влияет на изменение переменной в выбранном регионе (например, как инвестиции в соседних регионах влияют на экономический рост в выбранном регионе);
средний общий эффект (англ. average total effect, ATE): , который показывает, как изменение переменной на одну единицу во всех регионах влияет на изменение переменной в выбранном регионе (например, как инвестиции в выбранном регионе и в соседних регионах в совокупности влияют на экономический рост).
Однако возможна и более детальная интерпретация частных предельных эффектов, приведённая, например, в статье Демидовой О. А. «Пространственные аспекты оценки кривой заработной платы в России».