네덜란드 부문별 변화의 공간적 함의

우리는 부문별 변화가 네덜란드 전역의 공간 결정에 어떤 영향을 미치는지 확인하려고 시도했습니다. 구체적으로, 우리는 우리가 예측하는 향후 10년 동안의 부문별 점유율 변화가 직업 시장의 바람직함과 삶의 바람직함에 어떤 영향을 미칠지 이해하려고 노력합니다. 이 게시물은 연구 결과를 요약한 것입니다. 전체 버전을 사용할 수 있습니다here.

우리는 부문별 데이터가 필요하고 가능한 한 지리적으로 상세하기를 원하므로 지자체별 각 부문의 회사 수를 사용하기로 결정했습니다. 이 데이터는 Statistics Netherlands(CBS, link)에서 사용할 수 있습니다.

이제 우리는 2030년에 각 지자체에 대한 회사 수를 추정하려고 합니다. 우리는 일부 산업이 공생 관계(관심 있는 경우 산업 응집 참조)를 갖고 있고 일부는 다른 산업에 해롭기 때문에 벡터 자기회귀가 우리의 목적에 적합하다고 결정했습니다.

Python에서 사용할 수 있는 다음 패키지를 사용합니다.

import pandas as pd
import numpy as np
from statsmodels.tsa.vector_ar.var_model import VAR
from pandas import DataFrame

그런 다음 데이터를 피벗하고 연도가 인덱스를 나타내도록 조정합니다. 그리고 2030년까지 추정하고 싶습니다.

### Load your data with your prefered method
data = pd.read_csv('YOUR DATA')

### The following format is the pivoting suitable for CBS data
df = data.pivot_table(index="year", 
                    columns=[
                        'gem', 
                        #'industry',
                        'id'], 
                    values=["companies"])

# VAR estimation: "y_predict" is the years we want to predict

y_predict = DataFrame(index=[2020,2021,2022,2023,2024,2025,
                             2026,2027,2028,2029,2030])

### We need a list object to use in the estimation

y = numeric_df.values.tolist()
model = VAR(y)
model_fit = model.fit(trend='nc')

yhat = model_fit.forecast(model_fit.y, steps=11)

그런 다음 목적지에 대한 고정 효과에 대한 외생 변수로 추정치를 사용합니다. 회귀는 STATA에서 'reghdfe'를 사용하여 수행할 수 있습니다.

다음은 몇 가지 결과입니다.
인구의 변화
고용 시장의 변화

그런 다음 특정 도시를 확대하고 그곳에서 결과를 조사하기를 원했습니다. 암스테르담에 대한 결과는 다음과 같습니다.
암스테르담으로 유입되는 변화
암스테르담으로의 유출 변경

읽어 주셔서 감사합니다. 추가 질문이 있는 경우 전체 기사를 살펴보십시오. 이 연구를 가능하게 한 팀원들에게 감사드립니다.