Macroeconomic Analysis with Spatial Econometric Approaches

Prostorová ekonometrie může přinést užitečný přístup k makroekonomické analýze regionálních dat. Tato diplomová práce nastiňuje vhodné modely průřezových dat zohledňující jejich geografickou polohu. Pro analýzu je využívána relace sousednosti. Vztah sousedství mezi regiony je vyjádřen pomocí matice prostorových vah. Zaměřujeme se na testy prostorové autokorelace a uvádíme postupy hledání vhodného prostorového modelu. Dále popisujeme odhady regresních koeficientů i koeficientů prostorové závislosti zejména metodou maximální věrohodnosti. Vedle ilustrativních příkladů aplikujeme vybrané základní prostorové modely na reálná makroekonomická data. Prověřujeme, jak popisují vztah mezi příjmy domácnosti, HDP a mírou nezaměstnanosti v západní Evropě. Výsledky jsou porovnány s lineárním regresním modelem.Spatial econometrics can bring a useful approach to macroeconomic analysis of regional data. This thesis delineates suitable cross-section data models regarding their geographical location. Neighbourhood relation is used for the analysis. The relation of neighbourhood among the regions is expressed using spatial weight matrix. We focus on spatial autocorrelation tests and introduce processes of finding a suitable spatial model. Further, we describe regression coefficients estimates and estimates of spatial dependence coefficients, especially method of maximum likelihood estimates. Besides illustrative examples we apply chosen basic spatial models on real macroeconomic data. We examine how they describe relation between household incomes, GDP and unemployment rate in western Europe. Results are compared with a linear regression model