Identifying nonlinear spatial dependence patterns by using non-parametric tests: evidence for the European Union

Accounting for spatial structures in econometric studies is becoming an issue of special interest, given the presence of spatial dependence and spatial heterogeneity problems arising in data. Generally, researchers have been employing parametric tests for detecting spatial dependence structures: Moran’s I and LM tests in spatial regressions are the most popular approaches employed in literature.However, this approach remains misleading in the presence of nonlinear spatial structures, inducing important biases in the estimation of the parameters of the model. In this paper we illustrate that issue by applying three non-parametrical proposals when testing for spatial structure in data. Empirical findings for the regions of the European Union show important failures of traditional parametric tests if nonlinearities characterise geo-referenced data. Our results clearly recommend employing new families of tests, beyond parametrical ones, when working in such environments.Es cada vez mas frecuente evaluar la presencia de estructuras de dependencia espacial en estudios econométricos cuando se analizan datos de corte transversal. La práctica habitual de los investigadores es utilizar tests paramétricos para identificar este tipo de estructuras en los datos y, con diferencia, los dos contrastes más populares son el test de la I de Moran (IM) y el basado en los Multiplicadores de Lagrange (LM). Sin embargo, este enfoque puede ser engañoso cuando en nuestros datos están presentes estructuras de dependencia espacial no lineales. En este trabajo ilustramos esta problemática presentando tres contrastes no paramétricos, alternativos a los clásicos que presentan un mejor comportamiento en presencia de no-linealidades. Una aplicación utilizando diversas variables económicas y filtros espaciales en las Regiones Europeas recomiendan, claramente, utilizar estos contrastes no paramétricos