4

Cet article s’intéresse au problème de l’endogénéité dans un cadre spatial. Nous analysons le cas où l’endogénéité provient d’une variable omise spatialement autocorrélée. Nous montrons, de façon théorique et à l’aide de simulations de Monte-Carlo, qu’une façon de réduire le biais de variable omise consiste à estimer un modèle de DURBIN spatial, qui est un modèle dans lequel figurent à la fois une variable endogène spatiale décalée ainsi que les décalages spatiaux des variables exogènes. Les simulations soulignent également que le biais et la RMSE des estimateurs obtenus sur la base de ce modèle restent relativement faibles dans les cas de quasi non-stationnarité.

This article focuses on the endogeneity problem in a spatial framework. We analyze the case where endogeneity comes from an omitted variable, which is spatially autocorrelated. We show, both theoretically and with Monte-Carlo simulations, that one way to decrease the omitted variable bias is to estimate a spatial Durbin model, which includes an endogenous spatial lag and exogenous spatial lag variables. The simulations also show that the bias and RMSE of the estimators obtained with the spatial Durbin model remain relatively low in the case of quasi non-stationarity.