Mekansal panel veri modelleri ve Avrupa ülkelerindeki intihar oranları üzerine uygulaması

Abstract

Mekanlara (ülkeler, bölgeler, iller, ilçeler, vb.) bağlı olarak veriler derlendiğinde mekanların konumlarına göre mekanlar arası bir ilişki ortaya çıkabilmektedir. Mekanlar arasındaki bu ilişki mekansal bağımlılık (etkileşim) veya mekansal değişkenlik olarak iki şekilde görülebilir. Mekansal bağımlılıkta bir mekanda gözlenen değişkenin değeri, komşu mekandaki değişken değerine bağlı olurken, mekansal değişkenlik veri kümesi boyunca homojen olmayan parametrelerden kaynaklanır. Mekanlar arasındaki bu ilişki mekansal ağırlık matrisi ile gösterilerek bağımlı değişken ile çarpımı şeklinde modelin sağ tarafına dahil edilir. Ancak bu yeni değişken içsellik problemine neden olacağından ekonometride kullanılan bilinen tahmin yöntemlerini bu model için de kullanılması yanlı ve tutarlı olmayan tahminler verir. Bu nedenle verilerin bu tür modellerin tahmini ve belirlenmesi için yöntemler geliştirilmiştir. Mekansal ekonometri, yatay kesit verisinin mekana göre toplanıldığında karşılaşılabilecek mekanlar arasındaki bu ilişkiyi inceleyen bir disiplindir. Yatay kesit verisinin yanısıra zaman serisi ve yatay kesit verisinin biraraya getirilmesiyle oluşan panel veride de mekansal ekonometrik yöntemlerin kullanılabilir. Mekansal panel veri ekonometrisi hem yatay kesitteki birimler arasındaki değişkenliği hem de mekansal bağımlılığın kontrol edilmesini sağlar. Mekansal ekonometri yöntemlerinin kullanımı yaygınlaştıktan sonra yatay kesit veri için söz konusu olan modeller ve tahmin yöntemleri panel veri kümeleri için de geliştirilmiştir.Bu çalışmada amaç uygulama alanında yeni bir konu olan mekansal panel veri tahmin yöntemlerini tanıtılması ve bu yöntemi kullanarak intihar oranlarına göre Avrupa ülkeleri arasındaki bağımlılık yapısının ortaya çıkarılmasıdır.

When the data is collected based on spatial units (such as countries, regions, states, districts, etc.), there may exist a relationship between spatial units according to their locations. The relationship is categorized as spatial dependence (interaction) or spatial heterogeneity. In spatial dependence, a value observed in one location depends on the values observed at neighboring locations. Spatial heterogeneity arises from parameters which are not homogeneous across data sets. The spatial arrangement between observations is formalized in a spatial weight matrix. It is multiplied by the dependent variable then added to the right-hand side of the model. This creates spatially lagged variable. It is a weighted average of random variables at neighboring locations. This new variable causes an endogeneity problem, if standard econometrics methods are used in spatial models, they give biased and inefficient estimations. Therefore, researchers have developed methods for estimating and specifying in spatial models. Spatial econometrics is a discipline which analyzes the relationship between spatial units when the value of the dependent variable corresponding to each cross-sectional unit is assumed to depend on that dependent variable corresponding to neighboring cross-sectional units. In addition to cross-sectional data, the spatial econometrics method is also used in panel data, where observations are available across space as well as over time. Spatial econometrics method is also used in analyzing panel data. Spatial panel data allow the researcher to control both heterogeneity across units and spatial correlation. In recent years, the spatial econometrics literature has grown so the models and estimation techniques for cross-sectional data has also developed for the spatial panel data. The aim of this study is to introduce spatial panel data estimation methods which is a new subject in application field and to determine spatial dependence between European countries by applying these methods on the suicide rates in European countries.