1 avril 2022
Ce document est lié à :
info:eu-repo/semantics/reference/issn/0755-7809
Ce document est lié à :
info:eu-repo/semantics/reference/issn/2104-3752
https://creativecommons.org/licenses/by-nc-nd/4.0/ , info:eu-repo/semantics/openAccess
Jaroslav Kraus, « Spatial regression model of households: a case of the Czech Republic », Espace populations sociétés, ID : 10.4000/eps.12307
Au cours des dernières décennies, les schémas des ménages et des familles ont considérablement changé. D’une part, on peut remarquer un plus petit nombre d’enfants vivant dans des familles, ainsi qu’une réduction du nombre de familles en général en raison du faible taux de fécondité et du report de la maternité en Europe. En revanche, la proportion de ménages d’une personne et de familles sans enfants parmi les personnes plus âgées a augmenté de manière significative en raison du vieillissement de la population.La question de recherche est de savoir dans quelle mesure ces changements dans la structure des ménages sont spatialement homogènes et si la proportion de ménages d’un type donné sur un territoire donné peut être expliquée par d’autres variables démographiques telles que l’âge, l’éducation, l’état civil ou l’activité économique.Les principes susmentionnés peuvent être démontrés par l’exemple des données sur les ménages, dont la détection et l’analyse ultérieure font partie intégrante des recensements de la population. Pour résoudre ce problème, il est possible d’utiliser des méthodes d’analyse de données spatiales, qui peuvent être définies comme une analyse de données quantitatives, dans lesquelles l’explication dépend de variables spatiales explicites lors de la prédiction du phénomène étudié sur la base de l’autocorrélation spatiale.L’hypothèse de régression spatiale est l’existence d’une autocorrélation. Les résultats du I de Moran et du C de Geary montrent que l’autocorrélation pour les deux types de ménages s’est avérée statistiquement significative et augmente à mesure que la distance entre les éléments adjacents (c’est-à-dire les municipalités) diminue.L’âge est un facteur important affectant la structure des ménages. Les résultats pour les deux types de ménages montrent que les tranches d’âge les plus influentes sur la création de ménages d’une personne ou de ménages unifamiliaux peuvent également être utilisées pour créer un modèle spatial. Une affirmation similaire s’applique à l’âge moyen. L’éducation a montré que la part des personnes ayant une éducation primaire n’a pas d’influence sur la régression spatiale, contrairement à la part des personnes ayant une éducation secondaire ou universitaire. Dans le cas de l’état matrimonial, il y a une régression spatiale statistiquement significative pour les ménages unipersonnels, mais pas clairement pour les ménages unifamiliaux. L’activité économique ou l’emploi est statistiquement significatif pour une simple régression, même dans un petit territoire comme la République tchèque.Pour la solution, il est possible d’utiliser plusieurs types de modèles proposés par la théorie (économétrique). Dans le cas des ménages, le modèle spatial de Durbin (SDM) est relativement largement utilisé, du fait de la prise en compte à la fois des effets d’interaction endogènes et exogènes, selon les critères choisis (Log Likelihood, AIC, SBC). Cependant, les résultats des autres modèles (SAR, SEM, SDEM) ne sont pas significativement différents.