Spatial Non-Stationarity and Wealth Accumulation: Multiscale Regression of Locational Endowments in a Heterogeneous Metropolitan County

Resumo Técnico: Não Estacionaridade Espacial e Acumulação de Riqueza em um Condado Metropolitano Heterogêneo

Problema de Pesquisa
O estudo aborda as limitações dos modelos de regressão global em capturar a estrutura espacial da riqueza das famílias em condados metropolitanos de médio porte e heterogêneos. Modelos tradicionais assumem uma estacionaridade espacial, postulando que a relação entre atributos locacionais (ex: amenidades, qualidade ambiental, infraestrutura) e resultados econômicos é uniforme em uma região. No entanto, a literatura de econometria espacial sugere que essas relações são frequentemente não estacionárias, variando significativamente entre contextos locais. Embora a Regressão Geograficamente Ponderada (GWR) tenha sido aplicada aos preços de imóveis e à renda, há uma escassez de pesquisas em escala fina que examinem a riqueza composta das famílias — abrangendo o patrimônio líquido imobiliário, fluxos de renda e ativos financeiros — em ambientes não costeiros de médio porte, onde os gradientes urbano, suburbano e rural se interceptam. Esta pesquisa visa quantificar como as condições de adequação locacional moldam a riqueza das famílias em alta resolução espacial e determinar se essas relações operam em escalas espaciais distintas.

Metodologia
A pesquisa emprega um robusto framework de econometria espacial centrado na Regressão Geograficamente Ponderada Multiescalar (MGWR), aplicada a um condado metropolitano de médio porte no sudoeste dos Estados Unidos.

• Dados e Estrutura Espacial: A análise utiliza 4.067 unidades hexagonais regulares (cada uma cobrindo aproximadamente 0,3 milhas quadradas) para tesselar a área de estudo. Esta grade hexagonal minimiza o Problema da Unidade de Área Modificável (MAUP) e a distorção de forma associada às fronteiras administrativas, ao passo que setores censitários e grupos de blocos refletem processos administrativos em vez de processos ecológicos ou sociais e introduzem viés de agregação. As fontes de dados incluem o American Community Survey (ACS) de 2016–2020, NASA GES DISC, EPA, USGS e registros locais de GIS. As variáveis abrangem sociodemografia, qualidade ambiental (PM2.5, CO2, elevação) e acessibilidade (distâncias para escolas, hospitais, parques, rodovias, etc.).
• Variável Dependente: Um índice composto de riqueza das famílias foi construído via Análise de Componentes Principais (PCA) combinando o valor médio de residências, renda familiar e renda de ativos (juros, dividendos, aluguel). Este índice explica aproximadamente 72% da variância no patrimônio líquido das famílias em comparação com os parâmetros de referência do Survey of Consumer Finances.
• Análise Exploratória de Dados Espaciais (ESDA): Precedendo a modelagem, o estudo realizou diagnósticos incluindo mapas de calor de correlação, verificações de Fator de Inflação de Variância (VIF) e testes de autocorrelação espacial global/local (Moran's I e LISA). O Moran's I global confirmou uma forte dependência espacial positiva (I = 0,510, p < 0,001), validando a necessidade de modelagem espacialmente explícita.
• Abordagem de Modelagem: O estudo compara três frameworks: OLS Global (Mínimos Quadrados Ordinários), modelos econométricos espaciais globais (Lag Espacial e Erro Espacial) e MGWR.
  • Especificação MGWR: Diferente da GWR padrão, que impõe uma única largura de banda (bandwidth) para todos os preditores, a MGWR permite que cada preditor opere em sua própria escala espacial ideal. O modelo é formulado como: $y_i = \beta_0(u_i) + \sum \beta_k(u_i, b_k)x_{ik} + \varepsilon_i$, onde $b_k$ representa as larguras de banda específicas das variáveis.
  • Estimação: As larguras de banda foram selecionadas via otimização baseada em dados minimizando o Critério de Informação de Akaike corrigido (AICc). Um kernel bi-square adaptativo definiu os pesos espaciais, e um algoritmo de backfitting iterativo (via biblioteca mgwr do Python) foi utilizado para a estimação.

Principais Resultados

1. Desempenho do Modelo: A MGWR superou significativamente as alternativas globais. Alcançou um $R^2$ de 0,989 comparado a 0,873 para o OLS e aproximadamente 0,90 para os modelos de lag/erro espacial. Crucialmente, a MGWR eliminou efetivamente a autocorrelação espacial residual (Residual Moran's I $\approx$ 0,02, p = 0,214), enquanto os modelos globais deixaram agrupamentos residuais significativos (Moran's I > 0,18, p < 0,05).
2. Heterogeneidade Espacial e Não Estacionaridade: A análise confirmou que os determinantes da riqueza exibem substancial não estacionaridade espacial.
   • Diferenciação de Escala: Os preditores operam em escalas espaciais distintas. Variáveis relacionadas à renda funcionam em escalas regionais amplas (larguras de banda > 100 vizinhos), refletindo dinâmicas de mercado de trabalho e de habitação. Variáveis ambientais e de trânsito operam em escalas hiperlocais mais finas (larguras de banda < 30 vizinhos), governadas por condições específicas de vizinhança.
   • Variação de Coeficientes: Diversos preditores exibiram reversões de sinal através da área de estudo. Por exemplo, a distância a parques e hospitais foi associada negativamente à riqueza em núcleos urbanos densos (onde a proximidade é uma amenidade), mas positivamente em áreas periurbanas (onde a distância serve como proxy para menor densidade e redução de congestionamento). Da mesma forma, os efeitos da poluição do ar variaram de negativos próximo a corredores de alto tráfego para neutros ou positivos em zonas de baixo tráfego.
3. Agrupamento de Riqueza: Indicadores Locais de Associação Espacial (LISA) identificaram clusters persistentes "high-high" em subúrbios de colinas afluentes e clusters "low-low" no núcleo urbano e regiões do sudoeste, reforçando teorias de estratificação espacial duradoura.

Significância e Contribuições
O artigo reivindica três contribuições primárias:

• Empírica: Fornece uma avaliação detalhada da heterogeneidade da riqueza em um condado metropolitano de médio porte e não costeiro, um cenário sub-representado na literatura de economia espacial existente. Demonstra que a riqueza não é meramente uma função de características individuais, mas é profundamente estruturada por mecanismos baseados no lugar que variam através de gradientes urbano-rurais.
• Metodológica: O estudo ilustra a capacidade da MGWR de distinguir processos que operam em escalas regionais, de vizinhança e hiperlocais dentro de um único framework analítico. Valida que assumir uma única escala espacial (como na GWR) ou estacionaridade espacial (como no OLS) obscurece variações locais críticas nos retornos sobre atributos locacionais.
• Política: Os resultados oferecem uma base de evidências espacialmente explícita para intervenções políticas diferenciadas. Os achados sugerem que políticas uniformes de infraestrutura ou ambientais podem ser ineficazes ou contraproducentes. Em vez disso, intervenções relativas ao investimento em amenidades, remediação ambiental e provisão de serviços devem ser alvo espacialmente direcionado para considerar os retornos regime-específicos à adequação locacional.

Limitações
Os autores observam que o desenho transversal apoia a análise de associação espacial, mas não pode estabelecer direção causal. Adicionalmente, embora o framework de grade hexagonal reduza o MAUP, o agrupamento residual em zonas de transição sugere a presença de processos hiperlocais não modelados. Sugere-se que trabalhos futuros abordem a endogeneidade através de estratégias de identificação espacial e incorporem dados longitudinais para capturar dinâmicas evolutivas.