Centre de documentation
scientifique

Modelling housing rents using spatial autoregressive geographically weighted regression: a case study in cracow, Poland / Mateusz Tomal in ISPRS International journal of geo-information, vol 9 n° 6 (June 2020)  

Public [article]  inISPRS International journal of geo-information > vol 9 n° 6 (June 2020) . - 20 p. Titre : Modelling housing rents using spatial autoregressive geographically weighted regression: a case study in cracow, Poland Type de document : Article/Communication Auteurs : Mateusz Tomal, Auteur Année de publication : 2020 Article en page(s) : 20 p. Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale [Termes IGN] auto-régression [Termes IGN] bien immobilier [Termes IGN] Cracovie (Pologne) [Termes IGN] distribution spatiale [Termes IGN] économétrie [Termes IGN] évaluation foncière [Termes IGN] gestion foncière [Termes IGN] hétérogénéité spatiale [Termes IGN] méthode de Monte-Carlo [Termes IGN] méthode des moindres carrés [Termes IGN] régression géographiquement pondérée Résumé : (auteur) The proportion of tenants will undoubtedly rise in Poland, where at present, the ownership housing model is very dominant. As a result, the rental housing market in Poland is currently under-researched in comparison with owner-occupancy. In order to narrow this research gap, this study attempts to identify the determinants affecting rental prices in Cracow. The latter were obtained from the internet platform otodom.pl using the web scraping technique. To identify rent determinants, ordinary least squares (OLS) regression and spatial econometric methods were used. In particular, traditional spatial autoregressive model (SAR) and spatial autoregressive geographically weighted regression (GWR-SAR) were employed, which made it possible to take into account the spatial heterogeneity of the parameters of determinants and the spatially changing spatial autocorrelation of housing rents. In-depth analysis of rent determinants using the GWR-SAR model exposed the complexity of the rental market in Cracow. Estimates of the above model revealed that many local markets can be identified in Cracow, with different factors shaping housing rents. However, one can identify some determinants that are ubiquitous for almost the entire city. This concerns mainly the variables describing the area of the flat and the age of the building. Moreover, the Monte Carlo test indicated that the spatial autoregressive parameter also changes significantly over space. Numéro de notice : A2020-314 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3390/ijgi9060346 Date de publication en ligne : 26/05/2020 En ligne : https://doi.org/10.3390/ijgi9060346 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95169 [article]

Manuel d'analyse spatiale / Vincent Loonis (2018)    

Public Titre : Manuel d'analyse spatiale : théorie et mise en oeuvre pratique avec R Type de document : Guide/Manuel Auteurs : Vincent Loonis, Éditeur scientifique ; Marie-Pierre de Bellefon, Éditeur scientifique Editeur : Paris : Institut National de la Statistique et des Etudes Economiques INSEE Année de publication : 2018 Autre Editeur : Luxembourg : Eurostat Collection : Insee Méthodes, ISSN 1142-3080 num. 131 Importance : 406 p. Format : 21 x 30 cm ISBN/ISSN/EAN : 978-2-11-139684-5 Note générale : Bibliographie Projet en partie financé par le programme statistique européen 2013-2017 dans le cadre de l’action ESS "Intégration de l’information statistique et géospatiale" par la subvention numéro 08143.2015.001-2015.714 Langues : Français (fre) Descripteur : [Vedettes matières IGN] Analyse spatiale [Termes IGN] arbre-R [Termes IGN] autocorrélation spatiale [Termes IGN] corrélation automatique de points homologues [Termes IGN] données localisées [Termes IGN] échantillonnage de données [Termes IGN] économétrie [Termes IGN] géostatistique [Termes IGN] R (langage) [Termes IGN] régression géographiquement pondérée Index. décimale : 37.20 Analyse spatiale et ses outils Résumé : (Editeur) [Editorial Insee] [...] L’objectif du manuel d’analyse spatiale est de répondre aux questions concrètes des chargés d’étude des instituts statistiques : que faire avec ces nouvelles sources de données géolocalisées ? Dans quels cas doit-on prendre en compte leur dimension spatiale ? Comment appliquer les méthodes de statistique et d’économétrie spatiale ? Contrairement aux manuels existants, la pédagogie est pensée spécifiquement en fonction des enjeux propres aux instituts statistiques : les exemples d’application utilisent des données collectées par la statistique publique et l’accent est mis sur la pratique et l’importance du choix des paramètres. Les fondements théoriques sont suffisamment approfondis pour permettre de comprendre les subtilités dans la mise en oeuvre pratique des méthodes, tout en renvoyant aux ouvrages spécialisés les lecteurs désireux de connaître les extensions d’un niveau technique plus élevé. La majorité des chapitres présente des méthodes bien documentées et fréquemment utilisées, mais quelques-uns s’appuient sur des travaux innovants diffusés récemment. Parmi les thèmes abordés, le manuel Insee-Eurostat s’intéresse aux questions de sondage et de respect de la confidentialité ; autant de points importants pour les INS et très peu approfondis dans les ouvrages existants. Quelques chapitres ouvrent sur des notions peu utilisées actuellement à l’Insee comme la géostatistique. [...] Note de contenu : Partie 1 - DECRIRE LES DONNEES GEOLOCALISEES 1. Analyse spatiale descriptive 2. Codifier la structure de voisinage Partie 2 - MESURER L’IMPORTANCE DES EFFETS SPATIAUX 3. Indices d’autocorrélation spatiale 4. Les configurations de points 5. Géostatistique Partie 3 - PRENDRE EN COMPTE LES EFFETS SPATIAUX 6. Économétrie spatiale : modèles courants 7. Économétrie spatiale sur données de panel 8. Lissage spatial 9. Régression géographiquement pondérée 10. Échantillonnage spatial 11. Économétrie spatiale sur données d’enquête 12. Estimation sur petits domaines et corrélation spatiale Partie 4 - PROLONGEMENTS 13. Partitionnement et analyse de graphes 14. Confidentialité des données spatiales Numéro de notice : 22948 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/MATHEMATIQUE Nature : Manuel Date de publication en ligne : 29/10/2018 En ligne : https://www.insee.fr/fr/information/3635442 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91040

Documents numériques

en open access Manuel d'analyse spatiale : théorie et mise en oeuvre pratique avec R Adobe Acrobat PDF

Analyse et mesure de l'incertitude dans un modèle de simulation / F. Leurent (1997)

Public Titre : Analyse et mesure de l'incertitude dans un modèle de simulation : les principes, une méthode et l'exemple de l'affectation bicritère du trafic Type de document : Thèse/HDR Auteurs : F. Leurent, Auteur Editeur : Paris : Ecole Nationale des Ponts et Chaussées ENPC Année de publication : 1997 Importance : 302 p. Format : 21 x 30 cm Note générale : Bibliographie Thèse de doctorat de l'Ecole nationale des ponts et chaussées, spécialité transport Langues : Français (fre) Descripteur : [Vedettes matières IGN] Mathématique [Termes IGN] analyse systémique [Termes IGN] audit [Termes IGN] économétrie [Termes IGN] erreur [Termes IGN] incertitude des données [Termes IGN] logique [Termes IGN] modèle de simulation [Termes IGN] recherche opérationnelle [Termes IGN] simulation [Termes IGN] trafic routier Index. décimale : THESE Thèses et HDR Résumé : (Auteur) Problématique: un modèle est-il proche de la réalité ? Un modèle est une représentation d'un système. Dans cette représentation, figurent des éléments, entre lesquels s'exercent des interactions. Le modèle sert à analyser (fonction de connaissance) et simuler les interactions entre éléments. La simulation peut être qualitative ou quantitative : il s'agit de déduire les conséquences "rationnelles" d'hypothèses sur les variables d'état du système, ou sur des variables de contrôle ou de perturbation. Comment juger, ou mieux mesurer, si le modèle est proche de la réalité ? L'audit technique d'un modèle consiste à détecter, identifier, et si possible réduire, les erreurs et les incertitudes attachées au modèle. Objectif : un audit pour porter un jugement technique J'ai élaboré une méthode systématique d'audit d'un modèle, afin de donner ou refuser des garanties techniques. Un tel audit nécessite la transparence tant des hypothèses internes au modèle, que des hypothèses externes liées à une application particulière. Méthode : entreprendre l'audit dans autant de dimensions que de types d'erreur dans un modèle L'erreur dans un modèle est de nature plurielle : nous la décomposons en (1) erreur de conception (quels mécanismes explicatifs constituent la composition conceptuelle, quelles approximations dans la définition des variables ?), (2) erreur formelle (la synthèse en langage mathématique des mécanismes explicatifs dans une formule caractéristique, doit être conforme au contenu conceptuel et cohérente), (3) erreur algorithmique (le dispositif de résolution fournit-il vraiment une solution ? Avec quelle précision ?), (4) enfin une incertitude de type économétrique qui englobe l'erreur d'estimation et l'erreur exogène a priori sur les inputs. L'incertitude de type économétrique peut être quantifiée, après propagation de l'erreur exogène à travers le modèle de simulation. Les quatre types d'erreur relèvent chacun d'une discipline scientifique appropriée, d'où la nécessité d'entreprendre l'audit dans autant de dimensions : conceptuelle, formelle, algorithmique, économétrique. S'appuyant sur notre analyse théorique de l'erreur dans un modèle, nous avons développé une méthode pluridimensionnelle d'audit (tableau 2). Les tentatives antérieures se cantonnaient aux aspects algorithmiques ou économétriques, avec parfois une allusion au "jugement a priori" pour évaluer le contenu conceptuel. Nous avons démontré le bien fondé d'un audit selon les quatre dimensions, en traitant l'exemple de l'affectation du trafic. Car un tel modèle représente un équilibre entre offre et demande, équilibre dont la formulation et la résolution nécessitent validation. Après audit d'un modèle, on peut : apprécier la portée explicative, éliminer l'erreur formelle, annuler l'erreur de résolution, quantifier l'erreur exogène propagée, donc évaluer le risque statistique. L'audit se prépare utilement par une capitalisation des concepts, des formulations, des algorithmes et des méthodes d'estimation. Une telle capitalisation produit de grandes économies d'échelle pour l'audit de modèles particuliers. Note de contenu : Introduction CONTEXTE ET PREMICES 1. L'exemple de l'affectation 2. Pourquoi auditer ? 3. Antécédents et ressources THEORIE ET METHODE 4. Analyse théorique de l'erreur 5. Une méthode systématique d'audit APPLICATION A L'AFFECTATION BICRITERE 6. Plan d'audit de l'affectation bicritère 7. L'audit sémantique : un diagnostic 8. L'audit formel : une vérification 9. L'audit algorithmique : une vérification 10. L'audit économétrique : une quantification 11. Bilan et perspectives En conclusion Numéro de notice : 59522 Affiliation des auteurs : non IGN Thématique : MATHEMATIQUE Nature : Thèse française Note de thèse : Thèse de doctorat : Transport : Champs sur Marne, ENPC : 1997 nature-HAL : Thèse DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=45820

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
59522-01	THESE	Livre	Centre de documentation	Thèses	Disponible

Séries temporelles et modèles dynamiques / Christian Gourieroux (1995)

Public Titre : Séries temporelles et modèles dynamiques Type de document : Monographie Auteurs : Christian Gourieroux, Auteur ; Alain Monfort, Auteur Mention d'édition : 2 Editeur : Paris : Economica, Editions Année de publication : 1995 Collection : Economie et statistiques avancées Importance : 664 p. Format : 16 x 24 cm ISBN/ISSN/EAN : 978-2-7178-2871-9 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Statistiques [Termes IGN] économétrie [Termes IGN] filtrage du rayonnement [Termes IGN] lissage de valeur [Termes IGN] série temporelle Résumé : (Auteur) Ce livre est une présentation synthétique des méthodes d'analyse des séries temporelles et de leurs utilisations en économétrie. Les méthodes classiques comme la désaisonnalisation ou la prévision fondée sur des modèles ARIMA sont étudiées en détail. Il en est de même des problèmes plus récents comme la causalité, l'exogénéité, la cointégration, les tests de racine unité, les processus fraction-naires, les anticipations... Enfin, les techniques issues de l'automa--tique comme le filtrage et le lissage de Kalman sont également décrites et utilisées pour la modélisation des séries économiques. Des exercices et une bibliographie sont disponibles pour chaque chapitre. La deuxième édition intègre, en particulier, les développe-ments récents de l'économétrie des processus non stationnaires. Note de contenu : Chapitre 1 - Généralités Chapitre 2 - Désaisonnalisation par la méthode de la régression linéaire Chapitre 3 - Désaisonnalisation par la méthode des moyennes mobiles Chapitre 4 - Les méthodes de lissage exponentiel Chapitre 5 - Quelques résultats sur les processus univariés Chapitre 6 - Prévision par la méthode de Box et Jenkins Chapitre 7 - Séries temporelles multivariées Chapitre 8 - Représentations des séries temporelles Chapitre 9 - Estimations et tests (cas stationnaire) Chapitre 10 - Causalité, exogénéité et chocs Chapitre 11 - Etude des composantes tendancielles Chapitre 12 - Anticipations Chapitre 13 - Recherche de spécifications Chapitre 14 - Statistique des processus non stationnaires Chapitre 15 - Modèle espace d'états et filtre de Kalman Chapitre 16 - Applications du modèle espace d'états Numéro de notice : 66026 Affiliation des auteurs : non IGN Thématique : MATHEMATIQUE Nature : Monographie Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=61531

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
66026-01	DEP-EO	Livre	Equipe Géodésie	Dépôt en unité	Exclu du prêt

Spatial econometrics: methods and models / Luc Anselin (1988)

Public Titre : Spatial econometrics: methods and models Type de document : Monographie Auteurs : Luc Anselin, Auteur Editeur : Dordrecht : Kluwer Academic Publishers Année de publication : 1988 Importance : 284 p. Format : 16 x 24 cm ISBN/ISSN/EAN : 978-90-247-3735-2 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Statistiques [Termes IGN] analyse spatiale [Termes IGN] économétrie [Termes IGN] géostatistique [Termes IGN] inférence statistique [Termes IGN] méthode du maximum de vraisemblance (estimation) [Termes IGN] processus spatial [Termes IGN] processus stochastique [Termes IGN] statistique mathématique Index. décimale : 23.60 Statistiques et probabilités Résumé : (auteur) Spatial econometrics deals with spatial dependence and spatial heterogeneity, critical aspects of the data used by regional scientists. These characteristics may cause standard econometric techniques to become inappropriate. In this book, I combine several recent research results to construct a comprehensive approach to the incorporation of spatial effects in econometrics. My primary focus is to demonstrate how these spatial effects can be considered as special cases of general frameworks in standard econometrics, and to outline how they necessitate a separate set of methods and techniques, encompassed within the field of spatial econometrics. My viewpoint differs from that taken in the discussion of spatial autocorrelation in spatial statistics - e.g., most recently by Cliff and Ord (1981) and Upton and Fingleton (1985) - in that I am mostly concerned with the relevance of spatial effects on model specification, estimation and other inference, in what I caIl a model-driven approach, as opposed to a data-driven approach in spatial statistics. I attempt to combine a rigorous econometric perspective with a comprehensive treatment of methodological issues in spatial analysis. Note de contenu : Introduction 1 - Foundations for econometric analysis for spatial processes 2 - Estimation and hypothesis testing 3 - Model validation Conclusion Numéro de notice : 21542 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/MATHEMATIQUE Nature : Monographie Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90487

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
21542-01	23.60	Livre	Centre de documentation	Mathématiques	Disponible