Predictions in Spatial Econometric Models: Application to Unemployment Data
Résumé
In the context of localized unemployment rates in France, we study the issue of spatial econometric model prediction for suratal data, applying the prediction formulas collected and derived in Goulard et al. (Spatial Economic Analysis, 12(2-3), 304-325, 2017), (2017). To model regional unemployment by accounting for local interactions, we estimate several spatial econometric model specifications, namely the spatial autoregressive sar and SDM models, as well as the SLX model. We consider both types of predictions, namely, in-sample and out-of-sample prediction. We show that prediction can be a complementary method to test procedures for model comparison.
Dans le contexte des taux de chômage localisés en France, nous étudions la question de la prédiction des modèles économétriques spatiaux pour les données suratales, en appliquant les formules de prévision recueillies et dérivées dans Goulard et al. (Spatial Economic Analysis, 12(2–3), 304–325, 2017), (2017). Pour modéliser le chômage régional en tenant compte des interactions locales, nous estimons plusieurs spécifications du modèle économétrique spatial, à savoir les modèles sar et SDM autorégressifs spatiaux, ainsi que le modèle SLX. Nous considérons les deux types de prédictions, à savoir, la prédiction dans l’échantillon et la prédiction hors échantillon. Nous montrons que la prédiction peut être une méthode complémentaire aux procédures de test pour la comparaison des modèles.