Dlaczego modelowanie przestrzenne?

Charakterystyka danych przestrzennych Oprogramowanie i dane

Ekonometria Przestrzenna
Wykład 1: Idea modelowania przestrzennego. Wizualizacja
danych przestrzennych w R

Andrzej Torój

Instytut Ekonometrii |
Zakład Ekonometrii Stosowanej

Andrzej Torój SGH

(1) Ekonometria Przestrzenna 1 / 30
Dlaczego modelowanie przestrzenne? Charakterystyka danych przestrzennych Oprogramowanie i dane

Plan wykładu

1 Dlaczego modelowanie przestrzenne?

Przestrzeń a powiązania między jednostkami
Zastosowania modelowania przestrzennego

2 Charakterystyka danych przestrzennych

Porządek przestrzenny vs porządek czasowy
Typy oddziaływań przestrzennych

3 Oprogramowanie i dane
Oprogramowanie
Źródła danych przestrzennych i literatura

Andrzej Torój SGH

(1) Ekonometria Przestrzenna 2 / 30
Dlaczego modelowanie przestrzenne? Charakterystyka danych przestrzennych Oprogramowanie i dane

Plan prezentacji

1 Dlaczego modelowanie przestrzenne?

2 Charakterystyka danych przestrzennych

3 Oprogramowanie i dane

Andrzej Torój SGH

(1) Ekonometria Przestrzenna 3 / 30
Dlaczego modelowanie przestrzenne? Charakterystyka danych przestrzennych Oprogramowanie i dane

Przestrzeń a powiązania między jednostkami

Paradygmaty

Prawo Toblera (1970): ”Wszystko jest powiązane, ale

pobliskie obiekty są ze sobą powiązane bardziej niż odległe”.
Drugie prawo Toblera (2004): ”Zjawisko zewnętrzne wobec
analizowanego obszaru wpływa na to, co się w nim dzieje”.
Beck (2006): ”Przestrzeń (space) to więcej niż geografia”.

Andrzej Torój SGH

(1) Ekonometria Przestrzenna 4 / 30
Dlaczego modelowanie przestrzenne? Charakterystyka danych przestrzennych Oprogramowanie i dane

Przestrzeń a powiązania między jednostkami

Paradygmaty

Prawo Toblera (1970): ”Wszystko jest powiązane, ale

pobliskie obiekty są ze sobą powiązane bardziej niż odległe”.
Drugie prawo Toblera (2004): ”Zjawisko zewnętrzne wobec
analizowanego obszaru wpływa na to, co się w nim dzieje”.
Beck (2006): ”Przestrzeń (space) to więcej niż geografia”.

Andrzej Torój SGH

(1) Ekonometria Przestrzenna 4 / 30
Dlaczego modelowanie przestrzenne? Charakterystyka danych przestrzennych Oprogramowanie i dane

Przestrzeń a powiązania między jednostkami

Paradygmaty

Prawo Toblera (1970): ”Wszystko jest powiązane, ale

pobliskie obiekty są ze sobą powiązane bardziej niż odległe”.
Drugie prawo Toblera (2004): ”Zjawisko zewnętrzne wobec
analizowanego obszaru wpływa na to, co się w nim dzieje”.
Beck (2006): ”Przestrzeń (space) to więcej niż geografia”.

Andrzej Torój SGH

(1) Ekonometria Przestrzenna 4 / 30
Dlaczego modelowanie przestrzenne? Charakterystyka danych przestrzennych Oprogramowanie i dane

Przestrzeń a powiązania między jednostkami

Przykład 1: powiązania sąsiedztwa między hrabstwami

(counties) w USA

Andrzej Torój SGH

(1) Ekonometria Przestrzenna 5 / 30
Dlaczego modelowanie przestrzenne? Charakterystyka danych przestrzennych Oprogramowanie i dane

Przestrzeń a powiązania między jednostkami

Przykład 2: śledzenie wpisów na Twitterze wśród francuskich

parlamentarzystów

Andrzej Torój SGH

(1) Ekonometria Przestrzenna 6 / 30
Dlaczego modelowanie przestrzenne? Charakterystyka danych przestrzennych Oprogramowanie i dane

Przestrzeń a powiązania między jednostkami

Skąd się biorą powiązania przestrzenne?

Jednostki wpływają na siebie nawzajem

np. dyfuzja przestrzenna: liczba zachorowań na
grypę/covid19 w danej gminie
Ale też...
poziom pomiaru niedostosowany do natury zjawiska (np.
województwa zamiast powiatów; agregaty regionalne zamiast
mikro-danych indywidualnych; itp.)
drugie prawo geografii Arbii: ”...obserwacje bardziej
zagregowane są silniej powiązane ze sobą niż obserwacje przy
dokładniejszej granulacji przestrzennej”

Andrzej Torój SGH

(1) Ekonometria Przestrzenna 7 / 30
Dlaczego modelowanie przestrzenne? Charakterystyka danych przestrzennych Oprogramowanie i dane

Przestrzeń a powiązania między jednostkami

Poziom agregacji przestrzennej (1)

Średnio 0 sąsiadów tego samego koloru.

Andrzej Torój SGH
(1) Ekonometria Przestrzenna 8 / 30
Dlaczego modelowanie przestrzenne? Charakterystyka danych przestrzennych Oprogramowanie i dane

Przestrzeń a powiązania między jednostkami

Poziom agregacji przestrzennej (2)

Średnio 2,67 sąsiada tego samego koloru.

Andrzej Torój SGH
(1) Ekonometria Przestrzenna 9 / 30
Dlaczego modelowanie przestrzenne? Charakterystyka danych przestrzennych Oprogramowanie i dane

Zastosowania modelowania przestrzennego

Znaczenie modelowania przestrzennego (1)

Zastosowania modeli przestrzennych:

tradycyjne: mapy powiązań między państwami lub regionami
(stany, landy), np. w handlu czy inwestycjach zagranicznych
analizy regionalne: powiązania między relatywnie niewielkimi
jednostkami (powiaty, gminy), widoczne np. w stopie
bezrobocia czy budżetach samorządów
analizy biznesowe: big data z systemów GIS (np.
modelowanie atrakcyjności lokalizacji biznesu, optymalizacja
sieci sprzedaży, zarządzanie logistyką)

Andrzej Torój SGH

(1) Ekonometria Przestrzenna 10 / 30
Dlaczego modelowanie przestrzenne? Charakterystyka danych przestrzennych Oprogramowanie i dane

Zastosowania modelowania przestrzennego

Znaczenie modelowania przestrzennego (1)

Zastosowania modeli przestrzennych:

tradycyjne: mapy powiązań między państwami lub regionami
(stany, landy), np. w handlu czy inwestycjach zagranicznych
analizy regionalne: powiązania między relatywnie niewielkimi
jednostkami (powiaty, gminy), widoczne np. w stopie
bezrobocia czy budżetach samorządów
analizy biznesowe: big data z systemów GIS (np.
modelowanie atrakcyjności lokalizacji biznesu, optymalizacja
sieci sprzedaży, zarządzanie logistyką)

Andrzej Torój SGH

(1) Ekonometria Przestrzenna 10 / 30
Dlaczego modelowanie przestrzenne? Charakterystyka danych przestrzennych Oprogramowanie i dane

Zastosowania modelowania przestrzennego

Znaczenie modelowania przestrzennego (1)

Zastosowania modeli przestrzennych:

tradycyjne: mapy powiązań między państwami lub regionami
(stany, landy), np. w handlu czy inwestycjach zagranicznych
analizy regionalne: powiązania między relatywnie niewielkimi
jednostkami (powiaty, gminy), widoczne np. w stopie
bezrobocia czy budżetach samorządów
analizy biznesowe: big data z systemów GIS (np.
modelowanie atrakcyjności lokalizacji biznesu, optymalizacja
sieci sprzedaży, zarządzanie logistyką)

Andrzej Torój SGH

(1) Ekonometria Przestrzenna 10 / 30
Dlaczego modelowanie przestrzenne? Charakterystyka danych przestrzennych Oprogramowanie i dane

Zastosowania modelowania przestrzennego

Znaczenie modelowania przestrzennego (2)

polityka bezpieczeństwa (sojusze, wojny, interwencje zbrojne...)

ochrona środowiska (zanieczyszczenie powietrza, skażenie
wody...)
międzynarodowa współzależność polityk (korzystanie z
wzorców legislacji...)
politologia (systemy i okręgi wyborcze...)
epidemiologia (rozprzestrzenianie się chorób zakaźnych...)
dyfuzja zjawisk ekonomicznych (lokalne rynki pracy...)
Więcej: Haegerstrand (1967), Manski (2000), Simmons i in.
(2005)

Andrzej Torój SGH

(1) Ekonometria Przestrzenna 11 / 30
Dlaczego modelowanie przestrzenne? Charakterystyka danych przestrzennych Oprogramowanie i dane

Plan prezentacji

1 Dlaczego modelowanie przestrzenne?

2 Charakterystyka danych przestrzennych

3 Oprogramowanie i dane

Andrzej Torój SGH

(1) Ekonometria Przestrzenna 12 / 30
Dlaczego modelowanie przestrzenne? Charakterystyka danych przestrzennych Oprogramowanie i dane

Porządek przestrzenny vs porządek czasowy

Porządek czasowy

W przypadku modeli szeregów czasowych mówimy o

autokorelacji reszt. Co nadaje sens temu pojęciu?
możliwość ułożenia obserwacji w liniowym porządku (1-D)
założenie o pewnej ustalonej częstotliwości szeregu, tj.
jednakowych okresach objętych pomiarem lub odstępach
między pomiarami

Źródło informacji o tym porządku: sortowanie rekordów w

pliku danych lub kolumna zawierająca datę.
Autokorelacja czasowa przebiega jednokierunkowo (przeszłość
→ teraźniejszość)

Andrzej Torój SGH

(1) Ekonometria Przestrzenna 13 / 30
Dlaczego modelowanie przestrzenne? Charakterystyka danych przestrzennych Oprogramowanie i dane

Porządek przestrzenny vs porządek czasowy

Porządek przestrzenny

Porządek ”czasowy” 1-D to nie jedyny porządek, jaki można

nadać próbie.
obserwacje przypisane powierzchniom na płaszczyźnie lub
sferze (2-D)
trudniej zarządzać implikacjami takiego porządku (2-D zamiast
1-D), ale jego nieuwzględnienie ma podobny zestaw
konsekwencji co autokorelacja ”czasowa”

”Autokorelacja” przestrzenna oddziałuje dwukierunkowo

(region A ←→ region B).

Andrzej Torój SGH

(1) Ekonometria Przestrzenna 14 / 30
Dlaczego modelowanie przestrzenne? Charakterystyka danych przestrzennych Oprogramowanie i dane

Porządek przestrzenny vs porządek czasowy

Źródła informacji o porządku przestrzennym

W ekonometrii przestrzennej porządek w przestrzeni jest opisywany
przez macierz wag przestrzennych (temat następnego wykładu).
Może ona bazować na:
ręcznie wprowadzonej informacji, kto z kim sąsiaduje (żmudne)

np. USA sąsiadują z Meksykiem, Kanada sąsiaduje z USA,

Meksyk nie sąsiaduje z Kanadą
macierzy odległości między jednostkami przestrzennymi
skąd ją wziąć?
jaką dokładnie odległość ma mierzyć?
graficznej 2-D reprezentacji przestrzeni, czyli mapie, z której
można odczytać relacje sąsiedztwa lub zmierzyć dowolne
odległości
Andrzej Torój SGH
(1) Ekonometria Przestrzenna 15 / 30
Dlaczego modelowanie przestrzenne? Charakterystyka danych przestrzennych Oprogramowanie i dane

Porządek przestrzenny vs porządek czasowy

Źródła informacji o porządku przestrzennym

W ekonometrii przestrzennej porządek w przestrzeni jest opisywany
przez macierz wag przestrzennych (temat następnego wykładu).
Może ona bazować na:
ręcznie wprowadzonej informacji, kto z kim sąsiaduje (żmudne)

np. USA sąsiadują z Meksykiem, Kanada sąsiaduje z USA,

Meksyk nie sąsiaduje z Kanadą
macierzy odległości między jednostkami przestrzennymi
skąd ją wziąć?
jaką dokładnie odległość ma mierzyć?
graficznej 2-D reprezentacji przestrzeni, czyli mapie, z której
można odczytać relacje sąsiedztwa lub zmierzyć dowolne
odległości
Andrzej Torój SGH
(1) Ekonometria Przestrzenna 15 / 30
Dlaczego modelowanie przestrzenne? Charakterystyka danych przestrzennych Oprogramowanie i dane

Porządek przestrzenny vs porządek czasowy

Źródła informacji o porządku przestrzennym

W ekonometrii przestrzennej porządek w przestrzeni jest opisywany
przez macierz wag przestrzennych (temat następnego wykładu).
Może ona bazować na:
ręcznie wprowadzonej informacji, kto z kim sąsiaduje (żmudne)

np. USA sąsiadują z Meksykiem, Kanada sąsiaduje z USA,

Meksyk nie sąsiaduje z Kanadą
macierzy odległości między jednostkami przestrzennymi
skąd ją wziąć?
jaką dokładnie odległość ma mierzyć?
graficznej 2-D reprezentacji przestrzeni, czyli mapie, z której
można odczytać relacje sąsiedztwa lub zmierzyć dowolne
odległości
Andrzej Torój SGH
(1) Ekonometria Przestrzenna 15 / 30
Dlaczego modelowanie przestrzenne? Charakterystyka danych przestrzennych Oprogramowanie i dane

Porządek przestrzenny vs porządek czasowy

Źródła informacji o porządku przestrzennym

W ekonometrii przestrzennej porządek w przestrzeni jest opisywany
przez macierz wag przestrzennych (temat następnego wykładu).
Może ona bazować na:
ręcznie wprowadzonej informacji, kto z kim sąsiaduje (żmudne)

np. USA sąsiadują z Meksykiem, Kanada sąsiaduje z USA,

Meksyk nie sąsiaduje z Kanadą
macierzy odległości między jednostkami przestrzennymi
skąd ją wziąć?
jaką dokładnie odległość ma mierzyć?
graficznej 2-D reprezentacji przestrzeni, czyli mapie, z której
można odczytać relacje sąsiedztwa lub zmierzyć dowolne
odległości
Andrzej Torój SGH
(1) Ekonometria Przestrzenna 15 / 30
Dlaczego modelowanie przestrzenne? Charakterystyka danych przestrzennych Oprogramowanie i dane

Porządek przestrzenny vs porządek czasowy

Ekonometryczne konsekwencje powiązań przestrzennych

Obserwacje nie są niezależne!

W modelu yi = β0 + β1 xi + εi nie jest prawdą, że obserwacje
są i.i.d. (independent, identically distributed).
Skutkiem jest w najlepszym razie nieefektywność estymatora
KMNK (jak w przypadku autokorelacji ”czasowej”).
W najgorszym – niezgodność i obciążenie estymatora KMNK
(jak w przypadku endogeniczności).

Andrzej Torój SGH

(1) Ekonometria Przestrzenna 16 / 30
Dlaczego modelowanie przestrzenne? Charakterystyka danych przestrzennych Oprogramowanie i dane

Porządek przestrzenny vs porządek czasowy

Ekonometryczne konsekwencje powiązań przestrzennych

Obserwacje nie są niezależne!

W modelu yi = β0 + β1 xi + εi nie jest prawdą, że obserwacje
są i.i.d. (independent, identically distributed).
Skutkiem jest w najlepszym razie nieefektywność estymatora
KMNK (jak w przypadku autokorelacji ”czasowej”).
W najgorszym – niezgodność i obciążenie estymatora KMNK
(jak w przypadku endogeniczności).

Andrzej Torój SGH

(1) Ekonometria Przestrzenna 16 / 30
Dlaczego modelowanie przestrzenne? Charakterystyka danych przestrzennych Oprogramowanie i dane

Porządek przestrzenny vs porządek czasowy

Ekonometryczne konsekwencje powiązań przestrzennych

Obserwacje nie są niezależne!

W modelu yi = β0 + β1 xi + εi nie jest prawdą, że obserwacje
są i.i.d. (independent, identically distributed).
Skutkiem jest w najlepszym razie nieefektywność estymatora
KMNK (jak w przypadku autokorelacji ”czasowej”).
W najgorszym – niezgodność i obciążenie estymatora KMNK
(jak w przypadku endogeniczności).

Andrzej Torój SGH

(1) Ekonometria Przestrzenna 16 / 30
Dlaczego modelowanie przestrzenne? Charakterystyka danych przestrzennych Oprogramowanie i dane

Typy oddziaływań przestrzennych

Podstawowe typy oddziaływań przestrzennych...

...zostaną zaprezentowane przez czołowych specjalistów w

dziedzinie sąsiedztwa:

Andrzej Torój SGH

(1) Ekonometria Przestrzenna 17 / 30
Dlaczego modelowanie przestrzenne? Charakterystyka danych przestrzennych Oprogramowanie i dane

Typy oddziaływań przestrzennych

Podstawowe typy oddziaływań przestrzennych (1)

Andrzej Torój SGH

(1) Ekonometria Przestrzenna 18 / 30
Dlaczego modelowanie przestrzenne? Charakterystyka danych przestrzennych Oprogramowanie i dane

Typy oddziaływań przestrzennych

Podstawowe typy oddziaływań przestrzennych (2)

Andrzej Torój SGH

(1) Ekonometria Przestrzenna 19 / 30
Dlaczego modelowanie przestrzenne? Charakterystyka danych przestrzennych Oprogramowanie i dane

Typy oddziaływań przestrzennych

Podstawowe typy oddziaływań przestrzennych (3)

Andrzej Torój SGH

(1) Ekonometria Przestrzenna 20 / 30
Dlaczego modelowanie przestrzenne? Charakterystyka danych przestrzennych Oprogramowanie i dane

Typy oddziaływań przestrzennych

Podstawowe typy oddziaływań przestrzennych (4)

Andrzej Torój SGH

(1) Ekonometria Przestrzenna 21 / 30
Dlaczego modelowanie przestrzenne? Charakterystyka danych przestrzennych Oprogramowanie i dane

Typy oddziaływań przestrzennych

Typy oddziaływań przestrzennych: dodatkowe uwagi

Należy unikać wyciągania pochopnych wniosków nt.

przestrzennej współzależności wniosków (sytuacja 3), o ile nie
wykluczymy pozostałych przypadków.
Przestrzenna współzależność (sytuacja 3) jest mało
prawdopodobna przy modelowaniu regionalnych agregatów.
Wówczas bardziej prawdopodobne sytuacje 1 i 2.

Andrzej Torój SGH

(1) Ekonometria Przestrzenna 22 / 30
Dlaczego modelowanie przestrzenne? Charakterystyka danych przestrzennych Oprogramowanie i dane

Plan prezentacji

1 Dlaczego modelowanie przestrzenne?

2 Charakterystyka danych przestrzennych

3 Oprogramowanie i dane

Andrzej Torój SGH

(1) Ekonometria Przestrzenna 23 / 30
Dlaczego modelowanie przestrzenne? Charakterystyka danych przestrzennych Oprogramowanie i dane

Oprogramowanie

Oprogramowanie – ekonometria przestrzenna

Niewiele pakietów oferuje narzędzia do ekonometrii przestrzennej.

Do wiodących należą Stata, Matlab i R. Na tym wykładzie
będziemy używać R (poprzez RStudio).
Instalacja pakietu spdep
install.packages("sp"); library(sp)
install.packages("sf"); library(sf)
Lista wszystkich pakietów R do analizy danych przestrzennych na
CRAN.

Andrzej Torój SGH

(1) Ekonometria Przestrzenna 24 / 30
Dlaczego modelowanie przestrzenne? Charakterystyka danych przestrzennych Oprogramowanie i dane

Źródła danych przestrzennych i literatura

Przykład

Naszym zadaniem jest naszkicowanie mapy ilustrującej stopę

bezrobocia z pliku BDL_dane_2021.xls na poziomie powiatów.
Dane dotyczą Polski w roku 2014 i pochodzą z Banku Danych
Lokalnych GUS.
Aby to zrobić, musimy złączyć dane o bezrobociu z danymi
kartograficznymi.
W ten sposób nadamy naszej próbie strukturę przestrzenną.
Przyda się to w późniejszym modelowaniu.
Rozwiązanie z komentarzami w dołączonym kodzie R.

Andrzej Torój SGH

(1) Ekonometria Przestrzenna 25 / 30
Dlaczego modelowanie przestrzenne? Charakterystyka danych przestrzennych Oprogramowanie i dane

Źródła danych przestrzennych i literatura

Przykład – efekt działania kodu

Andrzej Torój SGH

(1) Ekonometria Przestrzenna 26 / 30
Dlaczego modelowanie przestrzenne? Charakterystyka danych przestrzennych Oprogramowanie i dane

Źródła danych przestrzennych i literatura

Źródła danych kartograficznych

GADM– administracyjne podziały w ogromnej liczbie krajów świata
dane.gov.pl– dokładniejsze mapy Polski Głównego Urzędu Geodezji i
Kartografii
Eurostat– mapy państw UE wg jednolitego podziału statystycznego
Eurostatu od NUTS0 do NUTS3 (w Polsce 17 regionów NUTS2 = 15
województw + 2 regiony składające się na województwo mazowieckie,
powiaty to NUTS4)
pakiet cshapes w R – gotowa mapa krajów świata (aktualna i historyczne
po 1945) z dodatkowymi funkcjami do analiz przestrzennych na poziomie
międzynarodowym
i wiele innych...

Optymalizacja rozmiaru map

Pliki map są zwykle dokładne, a przez to zajmują wiele MB
miejsca. Możemy zmniejszyć dokładność map - często bez szkody
dla ilustracji - za pomocą konwerterów (np. mapshaper.org).
Andrzej Torój SGH
(1) Ekonometria Przestrzenna 27 / 30
Dlaczego modelowanie przestrzenne? Charakterystyka danych przestrzennych Oprogramowanie i dane

Źródła danych przestrzennych i literatura

Użyte funkcje

read_sf – pozwala wczytać mapę i korzysta z plików:

shp – kształty jednostek przestrzennych
dodatkowo shx (plik pomocniczy dla przeszukiwania shp) i dbf
(baza danych o wielobokach)
prj – szczegóły związane z rzutowaniem sfery na płaszczyznę
st_transform – pozwala przekształcić wszystkie informacje
związane z geokodowaniem w długość i szerokość geograficzną
w stopniach (wymagane przez wiele pakietów R)
colorRampPalette – funkcje związane z przekształceniem
wizualizowanej (ciągłej) zmiennej w kolory

Andrzej Torój SGH

(1) Ekonometria Przestrzenna 28 / 30
Dlaczego modelowanie przestrzenne? Charakterystyka danych przestrzennych Oprogramowanie i dane

Źródła danych przestrzennych i literatura

Zadanie domowe 1
Korzystając z bazy Eurostatu, przygotuj za pomocą R ilustrację regionalnego zróżnicowania
wybranej przez siebie zmiennej w wybranym europejskim kraju (przykład inny niż rozważany na
zajęciach) i okresie.

Można też użyć własnego, alternatywnego źródła danych. Mapa powinna zawierać min. 25-30
regionów. Ilustrowana zmienna będzie w kolejnych pracach domowych zmienną objaśnianą w
modelu, więc powinna istnieć możliwość znalezienia innych zmiennych opisujących ten sam układ
regionów (do wykorzystania jako sensowne zmienne objaśniające).
Dostarczony plik PDF powinien zawierać krótką charakterystykę zmiennej, wskazanie źródła
danych i plików map oraz samą ilustrację (mapę) – max. 1 strona.
Dostarczony plik ZIP powinien zawierać pełen pakiet replikacyjny: plik danych, kod R i ew. pliki
map (jeżeli to te same pliki co na zajęciach, można pominąć; jeżeli to inne pliki, ale na tyle duże,
że pakiet ZIP przekroczy rozmiar 5 MB, to proszę jedynie o zamieszczenie pliku tekstowego z
adresami URL każdego z plików map (lub pakietu ZIP). Ta uwaga dotyczy wszystkich dalszych
prac domowych.

Andrzej Torój SGH

(1) Ekonometria Przestrzenna 29 / 30
Dlaczego modelowanie przestrzenne? Charakterystyka danych przestrzennych Oprogramowanie i dane

Źródła danych przestrzennych i literatura

Literatura
Obowiązkowa:
Arbia G., A Primer for Spatial Econometrics with Applications in R,
2014, Palgrave Macmillan.
Uzupełniająca:
Anselin L., Spatial Econometrics, ch. 29 in: T.C. Mills and K.
Patterson (Eds.), Palgrave Handbook of Econometrics: Volume 1,
Econometric Theory. Basingstoke, Palgrave Macmillan, 2006, ss.
901-969.
Le Sage J. and Pace R.K., Introduction to Spatial Econometrics,
2009, Chapman and Hall/CRC.
Suchecki B. (red.), Ekonometria przestrzenna. Metody i modele
analizy danych przestrzennych, Wydawnictwo C.H. Beck, 2010.
Suchecki B. (red.), Ekonometria przestrzenna II. Modele
zaawansowane, Wydawnictwo C.H. Beck, 2012.
Andrzej Torój SGH
(1) Ekonometria Przestrzenna 30 / 30