ISSN 0016-7126 (Print)
ISSN 2587-8492 (Online)
Аннотация:
В статье представлено исследование влияния применяемых программных сервисов геокодирования данных, а также весовых матриц на результаты оценки пространственной автокорреляции цен. Исследование основано на данных о ценах на картофель в разрезе 1952 поселений Российской Федерации. Вычислительный эксперимент направлен на сравнение результатов оценки глобального индекса Морана, полученных по данным, координаты которых определены из двух альтернативных источников: сервиса OpenStreetMap и Росреестра, и с применением разных подходов к построению пространственных матриц весов. Эксперимент показал, что в целом источник геокодирования не сильно влияет на вывод о наличии (отсутствии) пространственной зависимости цен, но в случае геокодирования API OpenStreetMap получены более высокие оценки индекса при большей доле статистически значимых оценок и меньшей вариации полученных значений. Выбор матрицы весов может оказывать влияние на получаемые оценки. Более низкие значения оказались при использовании матрицы, сформированной по полосе пропускания. Результаты подчеркивают важность совершенствования существующих источников, используемых для геокодирования
Ключевые слова:
Исследование выполнено за счет средств гранта Российского научного фонда № 24-28-00774
Список литературы:
| 1. Балаш В. А., Балаш О. С., Харламов А. В. Эконометрический анализ геокодированных данных о ценах на жилую недвижимость // Прикладная эконометрика. – 2011. – № 2 (22). – С. 62–77. |
| 2. Балаш В. А., Файзлиев А. Р. Пространственная корреляция в статистических исследованиях // Промышленность: экономика, управление, технологии. – 2008. – № 4 (23). – С. 122–125. |
| 3. Исаков А., Латыпов Р., Репин А., Постолит Е., Евсеев А., Синельникова-Мурлыева Е. Твердые цифры: открытые микроданные о потребительских ценах // Деньги и кредит. – 2021. – № 1. – С. 104–119. DOI: 10.31477/rjmf.202101.104. |
| 4. Калинин А. М., Волин И. А. Информационные источники для расчета индекса потребительских цен: большие данные сети Интернет и систем ФНС России // Вопросы статистики. – 2022. – № 29 (1). – С. 44–51. DOI: 10.34023/2313-6383-2022-29-1-44-51. |
| 5. Кириллов А. М. Исследование пространственной автокорреляции: случай российской региональной инфляции // Прикладная эконометрика. – 2021. – № 4 (64). – С. 5–22. DOI: 10.22394/1993-7601-2021-64-5-22. |
| 6. Обухов Л. А., Паниди Е. А. О контроле корректности при геокодировании почтовых адресов // ИнтерКарто. ИнтерГИС. – 2021. – Т. 27. – № 2. – С. 114–127. DOI: 10.35595/2414-9179-2021-2-27-114-127. |
| 7. Ступникова А. В. Пространственные реакции цен на рынках овощей на ограничения внешней торговли // Пространственная экономика. – 2018. – № 1. – С. 117–137. DOI: 10.14530/se.2018.1.117-137. |
| 8. Тимирьянова В. М., Красносельская Д. Х., Прудников В. Б., Гирфутдинова А. Ф. Пространственная автокорреляция цен: чувствительность к выбору весовой матрицы и уровню агрегирования данных // Вестник Магнитогорского государственного технического университета им. Г. И. Носова. – 2025. – Т. 23. – № 1. – С. 190–200. |
| 9. Тимирьянова В. М., Лакман И. А., Красносельская Д. Х., Столь А. В. Динамика пространственной корреляции цен на овощи и фрукты // Пространственная экономика. – 2023. – Т. 19. – № 2. – С. 94–125. DOI: 10.14530/se.2023.2.094-125. |
| 10. Anselin L. (2024) An Introduction to Spatial Data Science with GeoDa Chapman and Hall/CRC, New York, DOI: 10.1201/9781003274919. |
| 11. Benedetti I. (2025) Addressing Food Affordability in Italy: An Analysis of Food Inflation Dynamics Using Open Data // International Social Science Journal. 75, 257, pp. 537–553. DOI: 10.1111/issj.12569. |
| 12. Dai J., Feng Y., Wang Y., Wang X. (2023) Agricultural support and spatial price transmission: evidence from China's maize sector // International Food and Agribusiness Management Review. 26 (2), pp. 325–340. DOI: 10.22434/IFAMR2021.0160. |
| 13. Florian M. (1982) A new look at static spatial price equilibrium models // Regional science and urban economics. 12, pp. 519–597. |
| 14. Konny C. G., Williams B. K., Friedman D. M. (2019) Big Data in the US Consumer Price Index: Experiences and Plans // Conference: Big Data for 21st Century Economic Statistics. URL: clck.ru/3RWMuH (дата обращения: 20.06.2025). |
| 15. Leclair M., L'eonard I., Rateau G., Sillard P., Varlet G., Vern'edal P. (2019) Scanner data: advances in methodology and new challenges for computing consumer price indices // Economie et Statistique / Economics and Statistics. 509, pp. 13–29. DOI: 10.24187/ecostat.2019.509.1981. |
| 16. Ojogho O., Izekor O. B. (2023) Rice Price Differentials in Rural Markets of Edo State, Nigeria // Journal of Agroforestry and Environment. є 16 (1), pp. 114–121. DOI: 10.55706/jae1614. |
| 17. Weinand S., von Auer L. (2020) Anatomy of regional price differentials: evidence from micro-price data // Spatial Economic Analysis. є 15 (4), pp. 413–440. |
Образец цитирования:
| Влияние подходов к геокодированию экономических данных на оценку пространственной автокорреляции цен // Геодезия и картография. – 2026. – № 2. – С. 42-53. DOI: 10.22389/0016-7126-2026-1028-2-42-53 |