Spatialisation des modèles de panels avec effet de seuil

Abstract

Cette thèse est consacrée à la modélisation non linéaire des données de panel spatiales. Nous proposons une nouvelle approche permettant de prendre en compte la non-linéarité, l'hétérogénéité, ainsi que les changements de régime progressifs observés dans de nombreuses données empiriques. Plus précisément, nous introduisons le modèle Panel Buffered Threshold Spatial Durbin (PBTSD). Il est à noter que les modèles spatiaux traditionnels supposent souvent la linéarité et l'homogénéité, ce qui limite leur capacité à capturer les comportements spécifiques à chaque régime. Par ailleurs, les modèles à seuil classiques reposent sur l'hypothèse de transitions brusques, souvent peu réalistes. En réponse à ces limitations, le modèle PBTSD intègre une zone tampon (buffer), permettant des transitions graduelles entre les régimes et une meilleure prise en compte des variations dans les effets de spillover spatiaux. L'estimation du modèle proposé peut être réalisée à l'aide du quasi-maximum de vraisemblance (QML) ou de la méthode des moindres carrés en deux étapes (2SLS). Ces deux méthodes ont été comparées par le biais de simulations de Monte Carlo, et leur performance à taille finie a été évaluée. Les applications empiriques montrent que les dynamiques de R&D induites par l'innovation varient selon les pays ou les régions, en raison d'interactions spatiales non linéaires et dépendantes du régime. Cette étude apporte une contribution méthodologique en étendant la modélisation à seuil pour les panels spatiaux, et une contribution empirique en offrant un éclairage nouveau sur les mécanismes spatiaux de l'innovation et de l'investissement en R&D. Elle fournit ainsi des éléments utiles aux décideurs souhaitant promouvoir l'innovation et le développement régional.