El análisis espacial de los datos

El objetivo de esta parte del estudio es el de integrar la dimensión geográfica de los datos en la estimación de la convergencia absoluta de las economías regionales europeas. No en vano, ciertos factores explicativos de la convergencia, como la difusión tecnológica o la movilidad de los factores, ya puestos de manifiesto en el capítulo de referencia doctrinal, presentan, de entrada, una fuerte dimensión geográfica.

Los estudios empíricos recientes no suelen integrar explícitamente el papel de los efectos espaciales[1], a pesar de su clara incidencia a priori, al menos desde una perspectiva teórica. Una manera de tener en cuenta este papel del espacio en el crecimiento económico regional consiste en analizar la presencia de autocorrelación espacial.

La primera sección de este capítulo (2.1) recoge el concepto, formulación y significatividad estadística de la autocorrelación espacial. Se presenta como resultado de la misma la serie anual de índices de autocorrelación espacial global elaborados para el conjunto de regiones objeto de este estudio, y se pone en relación con los resultados obtenidos en cuanto a la medición de la convergencia .

En la segunda sección (2.2), son presentadas las técnicas de “análisis exploratorio de datos espaciales”(AEDE)[2], con la finalidad de afinar en la descripción de la dinámica geográfica del crecimiento de las regiones europeas, puesta de manifiesto en la sección anterior. El resultado presentado aquí consiste en una serie de índices de autocorrelación espacial locales que permiten la detección de los esquemas geográficos que hayan podido fluctuar con los procesos de convergencia o divergencia s detectados.

La tercera sección (2.3) recoge, por último, la modelización de la autocorrelación espacial en los tests de convergencia b. Ello permite estimar, en el apartado correspondiente a los resultados, el impacto de los efectos de difusión espacial en los procesos de crecimiento regional.

[1] Con algunas excepciones, como, por ejemplo, para el caso de EE UU, Rey, S.J. y B.D. Montouri, “U.S. Regional Income Convergence: a Spatial Econometric Perspective”, Regional Studies 33, 1999, pp.145-156.

[2] Anselin, L., “The Moran Scatterplot as an ESDA Tool to Assess Local Instability in Spatial Association”, en Fisher, M, H.J. Scholten y D. Unwin (eds.): Spatial Analytical Perspectives on GIS. (Londres: Taylor &Francis), 1996, pp. 111-125.