scholarly journals Empleo en el sector terciario. Una estimación espacial para los municipios de la región centro de México, 1999-2009

2016 ◽  
Vol 29 (68) ◽  
Author(s):  
Leobardo De Jesús Almonte ◽  
Yolanda Carbajal Suárez
Keyword(s):  
Spatial Autocorrelation ◽  
Central Region ◽  
Spatial Econometrics ◽  
Error Model ◽  
Moran’S I ◽  
Spatial Error Model ◽  
Tertiary Sector ◽  
Spatial Error ◽  
Moran's I ◽  
Spatial Autoregressive

Resumen: el objetivo es identificar un patrón de aglomeración en la división espacial del empleo en el sector servicios entre los municipios de la región centro de México. Con el método de la econometría espacial, se estimó un modelo de error espacial para el sector terciario. Según los resultados, la elasticidad ingreso del empleo es baja, el peso de las unidades económicas es importante y hay poca sensibilidad al incremento en las remuneraciones. A pesar de que el análisis exploratorio, a partir de Índice de Moran, sugiere efectos de autocorrelación espacial del empleo en la región de estudio, esto no se puede confirmar con suficiente robustez a partir de los resultados de la estimación de un modelo de error espacial. Aunque esta técnica no es novedosa, en México hay pocos trabajos aplicados al empleo en el sector terciario. El parámetro autorregresivo espacial del término de error l aporta evidencia de que existe una asociación espacial local del empleo, más que una global. Se concluye que en el sector terciario, la vecindad espacial entre los municipios de mayor dinamismo ha generado más crecimiento y aglomeración, que en el resto de ellos.Palabras clave: división espacial del empleo; sector terciario de México; autocorrelación espacial (I de Moran); análisis económico espacial; modelo de error espacial; región centro de México.Employment in the tertiary sector. A spatial estimation for municipalities in Mexico’s central region, 1999-2009Abstract: the aim is to identify an agglomeration pattern in the services sector’s spatial division of employment among municipalities in Mexico’s central region. By using the method of spatial econometrics, a spatial error model was estimated for the tertiary sector. According to results, the income elasticity of employment is low, the weight of economic unities is significant and there is little sensitivity to an increase in wages. Although the exploratory analysis, based on Moran’s I, suggests effects of spatial autocorrelation of employment in the region studied, this cannot be confirmed with enough certainty from the results of the estimation of a spatial error model. Despite this estimation technique is not new, in Mexico there are few studies dealing with employment in the tertiary sector. The spatial autoregressive parameter of the error term provides evidence that there is a local rather than global spatial association of employment. It therefore follows that in the tertiary sector spatial vicinity among the most dynamic municipalities has generated more growth and agglomeration than in the rest of them.Key words: spatial division of labor; Mexico’s tertiary sector; spatial autocorrelation (Moran’s I); spatial economic analysis; spatial error model; Mexico’s central region.

scholarly journals Spatial Distribution of Cardio-Vascular Diseases in India

2021 ◽  
Author(s):  
Ayantika Biswas ◽  
Shri Kant Singh ◽  
Jitendra Gupta
Keyword(s):  
Spatial Autocorrelation ◽  
Spatial Dependence ◽  
Vascular Diseases ◽  
Error Model ◽  
Moran’S I ◽  
Spatial Error Model ◽  
Cvd Risk ◽  
Spatial Error ◽  
Moran's I ◽  
Cardio Vascular

Abstract Objective: Cardio-vascular Diseases (CVDs) are a leading cause of death and disease burden across the world, and the burden is only expected to increase as the population ages. The objective of this paper is to explore the patterns of CVD risk factors among women in the late reproductive ages (35-49 years) across 640 districts in India, and investigate the association between area-level socioeconomic factors and CVD risk patterns., using a nationally representative sample of 239,729 women aged 35–49 years from all 36 States/UTs under NFHS-4 (2015–16). Methods: Age-standardized prevalence of CVDs have been calculated, along with 95% CI among women in their late reproductive ages (35–49 years) in India. The spatial dependence and clustering of CVD burden has been examined by Moran's I indices, bivariate Local Indicator of Spatial Autocorrelation (LISA) cluster and significance maps. Ordinary Least Square (OLS) regression has been employed with CVD prevalence as the outcome variable. To consider for spatial dependence, Spatial Autoregressive (SAR) models have been fitted to the data. Diagnostic tests for spatial dependence have also been carried out to identify the best fit model. Results: Higher values of Moran's I imply high spatial autocorrelation in CVD among districts of India. Smoking, alcohol consumption, hailing from a Scheduled Caste background, more than 10 years of schooling, as well as urban places of residence appeared as significant correlates of CVD prevalence in the country. The spatial error model and the spatial lag model are a marked improvement over the OLS model; among the two, the spatial error model emerging to be the most improved of the lot. Conclusions: A broader course of policy action relating to social determinants can be a particularly effective way of CVD risk addressal. Social policy interventions related to health like reduction in inequalities in factors like education, poverty, unemployment, access to health-promoting physical or built-environments are crucial in tackling the long-term effects of CVD inequalities between geographical areas.

scholarly journals Model Regresi Spasial dan Aplikasinya dalam Menganalisis Angka Putus Sekolah Usia Wajib Belajar di Provinsi Sulawesi Selatan

2019 ◽  
Vol 1 (2) ◽  
pp. 183
Author(s):  
Wahidah Sanusi ◽  
Hisyam Ihsan ◽  
Nur Hikmayanti Syam
Keyword(s):  
Regression Model ◽  
Spatial Regression ◽  
Predictor Variable ◽  
Error Model ◽  
Drop Out ◽  
Moran’S I ◽  
Spatial Error Model ◽  
Spatial Error ◽  
Moran's I ◽  
School Drop Out

Abstrak. Penduduk Sulawesi Selatan pada kelompok pengeluaran terendah menunjukkan bahwa banyak dari mereka mengalami putus sekolah. Salah satu faktor yang mempengaruhi angka putus sekolah yaitu lokasi antar wilayah. Tujuan penelitian ini adalah untuk mengaplikasikan regresi spasial untuk memodelkan angka putus sekolah di Provinsi Sulawesi Selatan. Pengujian dependensi spasial dan pemilihan model regresi spasial dilakukan menggunakan uji Moran’s I dan Langrange Multiplier (LM). Dari hasil penelitian, kasus putus sekolah untuk tingkat SMP tidak memiliki dependensi spasial baik dalam lag maupun error dan berdasarkan model regresi klasiknya diperoleh variabel prediktor yang signifikan mempengaruhi variabel respon adalah jumlah penduduk miskin . Sedangkan untuk kasus angka putus sekolah tingkat SMA, diperoleh dependensi spasial dalam error sehingga model regresi spasial yang digunakan adalah Spatial Error Model (SEM) dan matriks pembobotnya adalah queen contiguity. Matriks pembobot tersebut menggambarkan ukuran kedekatan antar wilayah pengamatan. Hasil analisis spasial menunjukkan bahwa variabel prediktor yang signifikan mempengaruhi variabel respon adalah jumlah penduduk miskin  dan kepadatan penduduk , dengan nilai  89,78% dan AIC =  430,604.Kata Kunci: Langrange Multiplier, Moran’s I, Putus Sekolah, Regresi Spasial, Spatial Error Model (SEM).  Abstract. The population of South Sulawesi in the lowest expenditure group shows that many of them have dropped out of school. One of the factors that influence the drop out rate is location between regions. The purpose of this study was applying spatial regression to the model drop out rates in South Sulawesi Province. Spatial dependency test and spatial regression model selection were performed using Moran's I and Langrange Multiplier (LM) tests. From the results of the study, the drop out case for junior high school didn’t have spatial dependencies either in lag or error and based on the classical regression model obtained predictor variable significantly affect the response variable was the number of poor people . As for the case of high school drop out rate, obtained spatial dependency in error so that spatial regression model used was Spatial Error Model (SEM) and weighting matrix was queen contiguity. The weighted matrix represents the measure of proximity between observation areas. The result of spatial analysis indicates that the significant predictor variable influencing the response variable was the number of the poor  and the population density , with  = 89.78% and AIC = 430,604.Keywords: Lagrange Multiplier, Moran's I, School Drop Out, Spatial Regression, Spatial Error Model (SEM).

scholarly journals Model Regresi Spasial dan Aplikasinya pada Kasus Tingkat Kemiskinan Kabupaten Soppeng

2018 ◽  
Vol 4 (2) ◽  
pp. 102
Author(s):  
Anggi Ananda Putri ◽  
Wahidah Sanusi ◽  
Sukarna Sukarna
Keyword(s):  
Social Issues ◽  
Well Being ◽  
Error Model ◽  
Poor Household ◽  
Spatial Dependency ◽  
Spatial Error Model ◽  
Spatial Error ◽  
Sar Model ◽  
Spatial Autoregressive ◽  
Independent Variable

Poverty is one of the major problem that frequently faced by human. Begin from poverty, consequently emerged several social issues, such as homeless, beggar, defendant, and prostitution. On this research were conducted modeling poverty degree in Soppeng with using number of poor household as the dependent variable. Modeling were done by using area approach which is a Spatial Autoregressive (SAR) model and Spatial Error Model (SEM). As for the independent variable used on this research is the number of health services, school facility, population density, social well being disable, and the distance on village and centre of Soppeng.  Regarding to the analysis of Spatial Autoregressive (SAR) and Spatial Error Model (SEM) shows that there is a spatial dependency lag and error on number of poor household variable. As for the independent variable which have the significancy account for 5% on Spatial Autoregressive (SAR) and Spatial Error Model (SEM) are every variables with a number R2= 90,9% on SAR and R2= 90,1% on SEM.

scholarly journals Dampak Spillover Pekerja Migran Indonesia (PMI) Asal Jawa Tengah Terhadap Pertumbuhan Ekonomi Propinsi Jawa Tengah

2019 ◽  
Vol 1 (2) ◽  
pp. 191-207
Author(s):  
Caroline Caroline ◽  
FX Sugiyanto ◽  
Achmad Syakir Kurnia ◽  
Etty Puji Lestari ◽  
Ceacilia Srimindarti
Keyword(s):  
Saudi Arabia ◽  
Autoregressive Model ◽  
Euclidean Distance ◽  
Error Model ◽  
Spatial Error Model ◽  
Spatial Autoregressive Model ◽  
Spatial Durbin Model ◽  
Spatial Error ◽  
Spatial Autoregressive

Spillover tenaga kerja Propinsi Jawa Tengah tahun 2019 cukup tinggi 60.432 pekerja setelah Propinsi Jawa Timur, yaitu 68.740 pekerja. Spillover tenaga kerja Propinsi Jawa Tengah diduga karena jumlah penduduk yang banyak di Propinsi Jawa Tengah. Faktor pendorong Pekerja Migran Indonesia (PMI) berniat bekerja keluar negeri adalah untuk memperoleh pendapatan yang layak sehingga selisih pendapatan dan biaya hidupnya dapat dikirim keluarganya di Indonesia. Tujuan penelitian ini adalah menganalisis dampak spillover Pekerja Migran Indonesia (PMI) terhadap pertumbuhan ekonomi Propinsi Jawa Tengah. Metode penelitian ini menggunakan matriks bobot spasial dengan pendekatan Euclidean Distance untuk menghitung Spatial Autoregressive Model (SAR), Spatial Error Model (SAR), dan Spatial Durbin Model (SDM). Simpulan Hasil penelitian ini adalah sebagai berikut : Spillover tenaga kerja Propinsi Jawa Tengah yang diwujudkan dalam bentuk pekerja Migran Indonesia asal Jawa Tengah kebanyakan berasal dari Kabupaten Cilacap, Kabupaten Kendal, Kabupaten Brebes, Kabupaten Banyumas, Kabupaten Pati, Kabupaten Grobogan, Kabupaten Kebumen, Kabupaten Wonosobo, dan Kabupaten Batang dengan tingkat pendidikan Sekolah Menengah Pertama (SMP) dengan jenis kelamin wanita kebanyakan bekerja pada negara Negara Hongkong, Negara Taiwan, Negara Malaysia, Negara Singapura, Negara Korea Selatan, Negara Brunai Darussalam, dan Negara Saudi Arabia.

scholarly journals The Impact of Inter-City Traffic Restriction on COVID-19 Transmission from Spatial Econometric Perspective

2021 ◽  
Vol 33 (5) ◽  
pp. 705-716
Author(s):  
Xijin Lu ◽  
Changxi Ma
Keyword(s):  
Spatial Correlation ◽  
Goodness Of Fit ◽  
Ordinary Least Squares ◽  
Hubei Province ◽  
Error Model ◽  
Moran’S I ◽  
Spatial Error ◽  
Moran's I ◽  
Spatial Lag ◽  
The Impact

The aim of this paper is to conduct a spatial correlation study of virus transmission in the Hubei province, China. The number of confirmed COVID-19 cases released by the National Health and Construction Commission, the traffic flow data provided by Baidu migration, and the current situation of Wuhan intercity traffic were collected. The Moran’s I test shows that there is a positive spatial correlation between the 17 cities in the Hubei province. The result of Moran’s I test also shows that four different policies to restrict inter-city traffic can be issued for the four types of cities. The ordinary least squares regression, spatial lag model, spatial error model, and spatial lag error model were built. Based on the analysis of the spatial lag error model, whose goodness of fit is the highest among the four models, it can be concluded that the speed of COVID-19 spread within a certain region is not only related to the current infection itself but also associated with the scale of the infection in the surrounding area. Thus, the spill-over effect of the COVID-19 is also presented. This paper bridges inter-city traffic and spatial economics, provides a theoretical contribution, and verifies the necessity of a lockdown from an empirical point of view.

scholarly journals Perbandingan Spatial Autoregressive Model dan Spatial Error Model dalam Pemodelan Indeks Pembangunan Manusia di Provinsi Jawa Timur

2021 ◽  
Vol 5 (1) ◽  
pp. 41-50
Author(s):  
Desie Rahmawati ◽  
Hardian Bimanto
Keyword(s):  
Lagrange Multiplier ◽  
Autoregressive Model ◽  
Error Model ◽  
Spatial Error Model ◽  
Spatial Autoregressive Model ◽  
Spatial Error ◽  
Spatial Autoregressive

Indeks Pembangunan Manusia (IPM) merupakan indikator untuk mengukur keberhasilan upaya pembangunan kualitas hidup manusia yang telah dicapai. Pertumbuhan IPM di suatu wilayah dapat dipengaruhi oleh faktor geografis yaitu besarnya angka IPM di suatu wilayah dapat memengaruhi angka IPM pada wilayah yang berdekatan sehingga faktor geografis diduga dapat memengaruhi dan memberikan efek dependensi spasial pada nilai IPM di Provinsi Jawa Timur. Penelitian ini bertujuan untuk melakukan pemodelan pada faktor yang berpengaruh terhadap Indeks Pembangunan Manusia di Provinsi Jawa Timur. Unit pengamatan pada penelitian ini adalah 38 kabupaten/kota di Provinsi Jawa Timur. Data yang digunakan adalah data sekunder dari Badan Pusat Statistik Jawa Timur tahun 2017. Metode analisis yang digunakan dalam penelitian ini adalah metode Spatial Autoregressive Model (SAR) dan Spatial Error Model (SEM). Hasil penelitian menunjukkan bahwa berdasarkan nilai uji Lagrange Multiplier (lag) dan Lagrange Multiplier (error) terdapat dependensi lag dan error. Variabel prediktor yang secara signifikan berpengaruh terhadap nilai IPM pada model SAR dan SEM antara lain Angka Harapan Hidup, Rata-rata Lama Sekolah, Angka Harapan Lama Sekolah dan Kemampuan daya beli masyarakat. Berdasarkan hasil penelitian didapatkan model SEM dengan nilai R2 terbesar dan nilai AIC terkecil sehingga model SEM lebih baik digunakan untuk menganalisis nilai IPM di Provinsi Jawa Timur dibandingkan model SAR dan model regresi OLS.

scholarly journals Model Spatial Autoregressive (SAR) pada Tingkat Kemiskinan ( Studi Kasus : Provinsi Riau )

2020 ◽  
Vol 6 (2) ◽  
pp. 61
Author(s):  
Rahmadeni Rahmadeni
Keyword(s):  
Error Model ◽  
P Value ◽  
Spatial Error Model ◽  
Spatial Error ◽  
Sar Model ◽  
Spatial Autoregressive

Kemiskinan suatu daerah dipengaruhi oleh kemiskinan di daerah sekitarnya.Hal ini berdasarkan hukum geografi yang dikemukakan Tobler. Maka tujuan dari penelitian ini adalah Menentukan keterkaitan antara tingkat kemiskinan di suatu kabupaten dengan kabupaten lain yang berdekatan di Provinsi Riau dengan menggunakan model SAR. Model ini menunjukkan keterkaitan antara suatu daerah dengan daerahlain yang berdekatan dan juga menggambarkan seberapa besar pengaruh suatu variabel yang menjadi faktor penyebab meningkatnya kemiskinan terhadap angka kemiskinan tersebut.Berdasarkan Indeks Moran’s diketahui Kabupaten yang yang berdekatan mempunyai nilai kemisikinan, IPM, tingkat pendidikan dan panjang jalan yang mirip dan cenderung berkelompok. model spatial faktor tingkat kemiskinan di Provinsi Riau lebih baik menggunakan model spatial error Model (SEM) dan Berdasarkan model SEM didapatkan peubah IPM, Pendidikan, PDRB dan pengangguran signifikan secara statistik sebab p-value < 0.05, artinya faktor tersebut memberikan pengaruh yang kuat terhadap tingkat kemiskinan.

scholarly journals Pemodelan dengan Spatial Autoregressive (SAR) pada Angka Putus Sekolah Bagi Anak Usia Wajib Belajar di Provinsi Sulawesi Selatan

2020 ◽  
Vol 3 (1) ◽  
pp. 44
Author(s):  
Rika Nasir ◽  
Suwardi Annas ◽  
Muhammad Nusrang
Keyword(s):  
Autoregressive Model ◽  
Moving Average ◽  
Error Model ◽  
Spatial Error Model ◽  
Spatial Autoregressive Model ◽  
Spatial Error ◽  
Spatial Autoregressive ◽  
Spatial Moving Average

Abstract. Regresi spasial merupakan pengembangan dari regresi klasik. Pengembangan ini berdasarkan adanya pengaruh tempat atau spasial dari data yang dianalisis. Beberapa model regresi spasial adalah Spatial Autoregressive (SAR), Spatial Error Model (SEM) dan Spatial Moving Average (SARMA). Penelitian ini menggunakan analisis model SAR terhadap angka putus sekolah di Sulawesi Selatan. Data yang digunakan merupakan data sekunder dari Badan Pusat Statistik Provinsi Sulawesi Selatan tahun 2018. Penelitian ini dilakukan untuk mengetahui model Spatial Autoregressive (SAR) pada data banyaknya angka putus sekolah yang terjadi di Provinsi Sulawesi Selatan, serta mengenalisis faktor-faktor yang memberikan pengaruh signifikan terhadap pertumbuhan angka putus sekolah. Hasil penelitian ini memperoleh model yaitu ; sehingga faktor-faktor yang berpengaruh secara signifikan terhadap angka putus sekolah di Sulawesi Selatan adalah pengeluaran per kapita, rasio murid terhadap sekolah dan jumlah penduduk miskin.Keywords: Regresi Spasial, Spatial Autoregressive Model (SAR), Angka Putus Sekolah

Analisis Perubahan Tata Guna Lahan di Kabupaten Bantul Menggunakan Metode Global Moran’s I

2017 ◽  
Vol 8 (4) ◽  
Author(s):  
Matheus Supriyanto Rumetna ◽  
Eko Sediyono ◽  
Kristoko Dwi Hartomo
Keyword(s):  
Land Use ◽  
Land Use Change ◽  
Spatial Autocorrelation ◽  
Land Use Changes ◽  
Geographical Information ◽  
Moran’S I ◽  
Complete Spatial Randomness ◽  
Moran's I ◽  
Global Moran’S I ◽  
Spatial Randomness

Abstract. Bantul Regency is a part of Yogyakarta Special Province Province which experienced land use changes. This research aims to assess the changes of shape and level of land use, to analyze the pattern of land use changes, and to find the appropriateness of RTRW land use in Bantul District in 2011-2015. Analytical methods are employed including Geoprocessing techniques and analysis of patterns of distribution of land use changes with Spatial Autocorrelation (Global Moran's I). The results of this study of land use in 2011, there are thirty one classifications, while in 2015 there are thirty four classifications. The pattern of distribution of land use change shows that land use change in 2011-2015 has a Complete Spatial Randomness pattern. Land use suitability with the direction of area function at RTRW is 24030,406 Ha (46,995406%) and incompatibility of 27103,115 Ha or equal to 53,004593% of the total area of Bantul Regency.Keywords: Geographical Information System, Land Use, Geoprocessing, Global Moran's I, Bantul Regency. Abstrak. Analisis Perubahan Tata Guna Lahan di Kabupaten Bantul Menggunakan Metode Global Moran’s I. Kabupaten Bantul merupakan bagian dari Provinsi Daerah Istimewa Yogyakarta yang mengalami perubahan tata guna lahan. Penelitian ini bertujuan untuk mengkaji perubahan bentuk dan luas penggunaan lahan, menganalisis pola sebaran perubahan tata guna lahan, serta kesesuaian tata guna lahan terhadap RTRW yang terjadi di Kabupaten Bantul pada tahun 2011-2015. Metode analisis yang digunakan antara lain teknik Geoprocessing serta analisis pola sebaran perubahan tata guna lahan dengan Spatial Autocorrelation (Global Moran’s I). Hasil dari penelitian ini adalah penggunaan tanah pada tahun 2011, terdapat tiga puluh satu klasifikasi, sedangkan pada tahun 2015 terdapat tiga puluh empat klasifikasi. Pola sebaran perubahan tata guna lahan menunjukkan bahwa perubahan tata guna lahan tahun 2011-2015 memiliki pola Complete Spatial Randomness. Kesesuaian tata guna lahan dengan arahan fungsi kawasan pada RTRW adalah seluas 24030,406 Ha atau mencapai 46,995406 % dan ketidaksesuaian seluas 27103,115 Ha atau sebesar 53,004593 % dari total luas wilayah Kabupaten Bantul. Kata Kunci: Sistem Informasi Georafis, tata guna lahan, Geoprocessing, Global Moran’s I, Kabupaten Bantul.

Spatial Autocorrelation in the Study of Neighbourhoods towards Smart Cities: Empirical Evidence from Kerman, Iran

2012 ◽  
Vol 9 (2) ◽  
pp. 1
Author(s):  
Asra Hosseini
Keyword(s):  
Spatial Autocorrelation ◽  
Urban Areas ◽  
Smart Cities ◽  
Moran’S I ◽  
Moran's I ◽  
Urban Planner ◽  
Universal Feature ◽  
Autocorrelation Method ◽  
Selection Of

From earliest cities to the present, spatial division into residential zones and neighbourhoods is the universal feature of urban areas. This study explored issue of measuring neighbourhoods through spatial autocorrelation method based on Moran's I index in respect of achieving to best neighbourhoods' model for forming cities smarter. The research carried out by selection of 35 neighbourhoods only within central part of traditional city of Kerman in Iran. The results illustrate, 75% of neighbourhoods' area in the inner city of Kerman had clustered pattern, and it shows reduction in Moran's index is associated with disproportional distribution of density and increasing in Moran's I and Z-score have monotonic relation with more dense areas and clustered pattern. It may be more efficient for urban planner to focus on spatial autocorrelation to foster neighbourhood cohesion rather than emphasis on suburban area. It is recommended characteristics of historic neighbourhoods can be successfully linked to redevelopment plans toward making city smarter, and also people's quality of life can be related to the way that neighbourhoods' patterns are defined. 

Sign in / Sign up

Export Citation Format

Share Document