Regionale Wachstumseffekte der GRW-Förderung? Eine räumlich-ökonometrische Analyse auf Basis deutscher Arbeitsmarktregionen



Modellerweiterung zur Analyse râumlicher Effekte

25


und Pace, 2009). Beide Modelle unterscheiden sich dadurch, welche Transmissi-
Onsmechanismen für die râumliche Dimension der endogenen und exogenen Vari-
ablen als maβgeblich angesehen werden.

Das SAR-Modell ist insbesondere dazu geeignet, Spillover-Effekte der endogenen
Variablen im Modell abzubilden, d.h. es wird untersucht, ob sich Entwicklungstrends
in benachbarten Regionen positiv oder negativ auf die betrachtete Region auswir-
ken. Im Fall des in Abschnitt 4 spezifizierten Wachstumsmodells bedeutet dies, dass
das um die SAR-Komponente erweiterte Modell die Hypothese testet, ob Wachs-
tumseffekte râumlich konzentriert auftreten (positive Spillover) oder ob das Wachs-
tum einer Region auf Kosten benachbarter Regionen stattfindet (negative Spillover).
Wie oben bereits diskutiert findet Niebuhr (2000) deutliche Evidenz für einen râumli-
chen Wachstumszusammenhang in Deutschland.

Formal wird das SAR-Modell (in Matrix-Notation) wie folgt spezifiziert:

(6)          y = ρWy + dX + e.

Neben den üblichen Regressionskoeffizienten (d) für den Vektor der exogenen Va-
riablen (
X) wird zusâtzlich ein Spatial Lag der abhângigen Variablen y in die Modell-
gleichung aufgenommen. Der Koeffizient
ρ misst den Einfluss dieser râumlichen
Variablen.
W ist eine (N x N)-râumliche Distanzfunktion über alle
Querschnittseinheiten
i, die für alle Matrixeintrâge wij den râumlichen Zusammen-
hang zwischen der paarweisen Beziehung zwischen zwei Querschnittseinheiten
i
und j misst, so dass für die Summe der Beobachtungen für alle Nachbarregionen
gilt: ∑∙
... . Auf die verschiedenen empirischen Operationalisierungsmoglichkeiten
der râ
j=u1 mijylijchen Gewichtungsmatrix W wird weiter unten eingegangen. Für den Feh-
lerterm des Modells in Gleichung (6) wird angenommen, dass er einen Mittelwert
von 0 und eine konstante Varianz (
σ2) aufweist.

Im Gegensatz zum SAR-Model wird beim SEM-Modell angenommen, dass sich
râumliche Korrelation im Modell nicht über das râumliche Lag der endogenen Vari-
able auszeichnet, sondern über den Fehlerterm ins Modell eingeführt wird:

(7)          y = dX + ε   mit: ε =λWε + ν.

In der empirischen Anwendung stellt sich hâufig die Frage, ob die SAR- oder die
SEM-Spezifikation das geeignete empirische Modell darstellt. Wie Ward und
Gleditsch (2008) argumentieren, kann eine Unterscheidung nicht allein auf Basis
statistischer Überlegungen erfolgen, da die beiden Modelle nicht ineinander ge-
schachtelt sind. Die Autoren schlagen daher vor, ex ante-Überlegungen zu den er-
warteten râumlichen Korrelationsstrukturen zu machen. Wird erwartet, dass es zu
Feedback-Effekten der endogenen Variable kommt, so ist das SAR-Modell die rich-
tige Wahl. Wird hingegen angenommen, dass râumliche Korrelation von unbestimm-
ter Form im Modell auftritt (und auch nicht nâher identifiziert werden soll), so ist das



More intriguing information

1. WP 48 - Population ageing in the Netherlands: Demographic and financial arguments for a balanced approach
2. FOREIGN AGRICULTURAL SERVICE PROGRAMS AND FOREIGN RELATIONS
3. Bidding for Envy-Freeness: A Procedural Approach to n-Player Fair Division Problems
4. Natural Resources: Curse or Blessing?
5. Workforce or Workfare?
6. Optimal Private and Public Harvesting under Spatial and Temporal Interdependence
7. Spatial patterns in intermunicipal Danish commuting
8. Volunteering and the Strategic Value of Ignorance
9. The name is absent
10. European Integration: Some stylised facts