Aggregated Versus Individual Land-Use Models: Modeling Spatial Autocorrelation to Increase Predictive Accuracy

anglais. The objective of this paper is to compare the predictive accuracy of individual and aggregated econometric models of land-use choices. We argue that modeling spatial autocorrelation is a comparative advantage of aggregated models due to the smaller number of observation and the linearity of the outcome. The question is whether modeling spatial autocorrelation in aggregated models is able to provide better predictions than individual ones. We consider a complete partition of space with four land-use classes: arable, pasture, forest, and urban. We estimate and compare the predictive accuracies of individual models at the plot level (514,074 observations) and of aggregated models at a regular 12 × 12 km grid level (3,767 observations). Our results show that modeling spatial autocorrelation allows to obtain more accurate predictions at the aggregated level when the appropriate predictors are used.

français. Les auteurs ont comparé dans cet article plusieurs modèles individuels avec une structure en choix discrets et des modèles agrégés où les variables expliquées sont des parts d’usage du sol. Ces modèles ont été estimés à partir d’une même base de données et comparés à la même échelle de prédiction. L’agrégation présente l’inconvénient de la perte d’information associée mais rend possible l’utilisation des méthodes économétriques plus sophistiquées, issues de l’économétrie spatiale en particulier. Ils montrent que les modèles agrégés présentent des prédictions souvent meilleures que les modèles individuels, et que modéliser explicitement les dépendances spatiales permet d’améliorer significativement les prédictions. Sur ce dernier résultat, les auteurs montrent également qu’il est important de choisir une forme non biaisée pour les prédictions issues des modèles spatiaux. Les obtenus résultats montrent qu’il n’est pas toujours intéressant d’exploiter les données d’usage des sols au niveau individuel lorsque le seul objectif est de faire des prédictions à une échelle agrégée. En tirant parti des progrès réalisés en économétrie spatiale, les auteurs montrent comment l’introduction de l’autocorrélation spatiale dans les modèles aggrégés permet d’avoir des prédictions plus précises que les modèles individuels.