Resumo do Componente Curricular

Dados Gerais do Componente Curricular

Tipo do Componente Curricular:	MÓDULO
Unidade Responsável:	PROGRAMA DE PÓS-GRADUAÇÃO EM ECONOMIA REGIONAL E DESENVOLVIMENTO/ICSA (11.39.00.14)
Código:	IS1231
Nome:	INTRODUÇÃO À ECONOMETRIA ESPACIAL
Carga Horária Teórica:	45 h.
Carga Horária Prática:	0 h.
Carga Horária de Ead:	0 h.
Carga Horária Total:	45 h.
Pré-Requisitos:
Co-Requisitos:
Equivalências:
Excluir da Avaliação Institucional:	Não
Matriculável On-Line:	Sim
Horário Flexível da Turma:	Sim
Horário Flexível do Docente:	Sim
Obrigatoriedade de Nota Final:	Sim
Pode Criar Turma Sem Solicitação:	Sim
Necessita de Orientador:	Não
Exige Horário:	Sim
Permite CH Compartilhada:	Não
Permite Múltiplas Aprovações:	Não
Quantidade de Avaliações:	1
Ementa/Descrição:	Técnicas de análise espacial de dados para a investigação quantitativa de fenômenos socioeconômicos, levando em conta a influência do espaço, isto é, considerando a dependência e a heterogeneidade espaciais para dados em corte transversal e em painel. Matriz de ponderação espacial. Análise exploratória de dados espaciais. Análise, teste, especificação, modelagem da dependência espacial e estimação dos modelos espaciais em corte transversal e em painel de dados. Regressões ponderadas geograficamente. Modelo de diferenças em diferenças espacial.
Referências:	Bibliografia Básica: ALMEIDA, E. S. Econometria Espacial Aplicada. São Paulo: Alínea, 1ª edição. 2012. Anselin, L. e Bera, A. Spatial dependence in linear regression models with an introduction to spatial econometrics. In: Ullah A. and Giles D. E. (eds.) Handbook of Applied Economic Statistics, Marcel Dekker, New York, pp. 237- 289, 1998. Arbia, G. and Baltagi, B. H. (2009). Spatial Econometrics: methods and applications. Physica Heidelberg. Cabral, M.V.F. Avaliação do impacto do INFOCRIM sobre as taxas de homicídios dos municípios paulistas: uma aplicação do método de diferenças em diferenças espacial. 2016. 120f. Tese (Doutorado em Economia). Faculdade de Economia, Universidade Federal de Juiz de Fora, Juiz de Fora/MG, 2016. Dubé, J., Legros, D., Thériault, M., and Rosiers, F. D. (2014). A spatial difference-indifferences estimator to evaluate the effect of change in public mass transit systems on house prices. Transportation Research Part B, 64:24–40. Elhorst, J. P. (2014). Spatial Econometrics: from cross-sectional data to spatial panels. Springer. Fotheringham A. S., Brundsdon, C. e Charlton, M. Geographically weighted regression: the analysis of spatially varying relationships. John Wiley and Sons, West Sussex, 2002. Golgher, A.B. Introdução à Econometria Espacial. Editora Paco, 1ª Edição, 2015. Bibliografia Complementar: Anselin, L. Spatial econometrics. In Baltagi, B. H. (ed.). A companion to theoretical econometrics. Blackwell Publishers, New York, 2001. Anselin, L. and Florax, J. G. M. Small Sample of Tests for Spatial Dependence in Regression Models: Some Further Results. In: Anselin, L. and Florax, R. J. G. M. (eds) New Direction in Spatial Econometrics, Springer, New York, 1995. Arbia, G. (2006). Spatial econometrics: statistical foundations and applications to regional convergence. Spirnger-Verlag, Heidelberg. Elhorst, J. P. (2010b). Spatial panel data models. In Fischer, M. and Getis, A., editors, Handbook of applied spatial analysis, pages 377–407. Springer. Freitas, M.V. Análise de Convergência de Renda Local entre Países. 2010. 136f. Dissertação (Mestrado em Economia Aplicada). Faculdade de Economia, Universidade Federal de Juiz de Fora, 2010. Florax, R. J. G. M. e Graaff, T. The performance of diagnostic tests for spatial dependence in linear regression models: a meta-analysis of simulation studies. In Anselin, L., Florax, R. J. G. M. e Rey, S. J. (ed.). Advances in spatial econometrics. Springer, New York, 2004. Fotheringham, A. S., Brundsdon, C. e Charlton, M.. Quantitative Geography: perspectives on spatial data analysis. Londres: Sage publications, 2000. Getis, A., Mur, J. e Zoller, H. G. Spatial econometrics and spatial statistics. Palgrave McMillan, Nova York, 2004. LeSage, J. and Pace, R. K. (2009). Introduction to spatial econometrics. CRC Press, Boca Raton. LeSage, J. P. (2004). A family of geographically weighted regression models. In Advances in spatial econometrics, pages 241–264. Springer. STOCK, James H.; WATSON, Mark W. Econometria. Sao Paulo: Addison Wesley, 2004 Wooldridge, J. M. (2010). Econometric analysis of cross section and panel data. MIT press. PERÍODICOS CIENTÍFICOS E OUTROS: Anselin, L. Local Indicators of Spatial Association – LISA. Geographical Analysis, 27, n.2, pp. 93-115, 1995. Anselin, L. Spatial externalities, spatial multipliers, and spatial econometrics. International Regional Science Review, vol. 26, n. 2, pp. 153-166, 2003. Anselin, L. Under the hood: issues in the especification and interpretation of spatial regression models. Agricultural Economics, v. 27, p. 247-267, 2002. Anselin, L. Exploring Spatial Data with GeoDaTM: a Workbook. University of Illinois, Urbana-Champaign, 2005. Anselin, L. Thirty years of spatial econometrics. Papers in Regional Science, vol. 89, n. 1, p. 3-25, 2010. Anselin, L. e Kelejian, H. Testing for spatial error autocorrelation in the presence of endogenous regressors. International Regional Science Review, 20, pp. 153-182, 1997. Baltagi, B. H., Song, S. H., and Koh, W. (2003). Testing panel data regression models with spatial error correlation. Journal of Econometrics, 117(123-150). Chagas, A. L. S., Azzoni, C. R., and Almeida, A. N. (2015). A spatial difference-indifference analysis to measure the sugarcane producing impact in respiratory health. In Annals of 55th Ersa Congress. Chagas, A. L. S., Toneto-Jr, R., and Azzoni, C. R. (2011). A spatial propensity score matching evaluation of the social impacts of sugarcane growing on municipalities in Brazil. International Regional Science Review, 35:48 – 69. Elhorst, J. P. Specification and estimation of spatial panel data models. International Regional Science Review, vol. 26, n. 3, p. 244-268, 2003 Elhorst, J. (2010a). Applied spatial econometrics: Raising the bar. Spatial Economic Analysis, 5(1):9–28. Elhorst, J. P. (2003). Specification and estimation of spatial panel data models. International Regional Science Review, 26(3):244–268. Florax, R. J., Folmer, H., and Rey, S. J. (2003). Specification searches in spatial econometrics: the relevance of hendry´s methodology. Regional Science and Urban Economics, 33:557–579. Kapoor, M., Kelejian, H. H., and Prucha, I. (2007). Panel data models with spatially correlated error components. Journal of Econometrics, 140(1):97–130. Kelejian, H. H. and Piras, G. (2014). Estimation of spatial models with endogenous weighting matrices, and an application to a demand model for cigarettes. Regional Science and Urban Economics, 46:140–149. Kelejian, H. H. and Prucha, I. R. (1998). A generalized spatial two stage least square procedure for estimating a spatial autoregressive model with autogressive disturbance. Journal of Real State Finance and Economics, 17:99–121. Kelejian, H. H. and Prucha, I. R. (2004). Estimation of simultaneous systems of spatially interrelated cross sectional equations. Journal of Econometrics, 118(1):27–50. Kelejian, H. H. and Prucha, I. R. (2007). HAC estimation in a spatial framework. Journal of Econometrics, 140(1):131–154. Kelejian, H. H. and Prucha, I. R. (2010). Specification and estimation of spatial autoregressive models with autoregressive and heteroskedastic disturbances. Journal of Econometrics, 157(1):53–67. Lee, L. F. and Yu, J. (2010). Estimation of spatial autoregressive panel data models with fixed effects. Journal of Econometrics, 154:165–185.

SIGAA | Coordenadoria de Tecnologia da Informação e Comunicação - COTIC/UFRRJ - (21) 2681-4638 | Copyright © 2006-2026 - UFRN - sig-node1.ufrrj.br.producao1i1 v4.17.0_r21