Spatial discrete choice models : theory, estimation and application to land use models in PACA region
Théorie et estimation des modèles spatiaux à choix discret : application aux modèles d'occupation du sol en région PACA
Résumé
In this thesis, we propose and discuss some spatial discrete choice models that rely on the theory of random utility model, as well as some limit theorems. Although several estimation methods already exist - like likelihood maximization methods (LM) which consider ail the available information in the samples - we propose an approach by the generalized method of moments (GMM) to estimate the unknown parameters of these models. We start by recalling the theoretical results and estimate approaches of spatial discrete choice models that are going to be essential in the other chapters. In Chapter 2, we provide results of a central limit theorem in order to prove the consistency and the asymptotic normality of the estimators proposed in Chapters 3 and 4. The Chapter 3 extends KLIER and MCMILLEN's method in the case of a model that includes both a dependent variable and disturbances terms spatially lagged. Chapter 4 derives the multinomial case and panels data spatially lagged. Chapter 4 derives the multinomial case and panels data.
Nous nous intéressons à la théorie et à l'estimation des modèles spatiaux à choix discret afin de développer des techniques d'estimation pour analyser les décisions de changements d'usage du sol sur gros échantillon. Nous établissons des propriétés limites d'estimateurs des paramètres inconnus de ces modèles dans un contexte de processus non stationnaire. Le Chapitre 1 rassemble des rappels sur les résultats de la théorie de l'estimation des modèles spatiaux à choix discret, qui seront essentiels dans les chapitres suivants. Dans le Chapitre 2, nous montrons un résultat de théorème limite et l'utilisons pour démontrer la convergence presque sure et la normalité asymptotique des estimateurs proposés dans les Chapitres 3 et 4. Le Chapitre 3 traite l'extension de la méthode proposée par KLIER et MCMILLEN (2008) au cas où le modèle inclut à la fois une variable dépendante et des termes de perturbation spatialement décalés. Le Chapitre 4 étend les techniques développées au Chapitre 3 au cas multinomial et sur données de panel.