PEMODELAN SPATIAL DURBIN ERROR MODEL (SDEM) PADA DATA INDEKS PEMBANGUNAN MANUSIA (IPM) DI JAWA TENGAH

Transkripsi

1 PEMODELAN SPATIAL DURBIN ERROR MODEL (SDEM) PADA DATA INDEKS PEMBANGUNAN MANUSIA (IPM) DI JAWA TENGAH 1 Imaroh Izzatu Nisa, 2 Abdul Karim, 3 Rochdi Wasoo 1,2,3 Prodi Statistika, FMIPA,Uiversitas Muhammadiyah Semarag imarohizza@gmail.com ABSTRAK Ideks Pembagua Mausia (IPM) atau Huma Devlompet Idex (HDI) merupaka ideks pembagua mausia yag diperguaka utuk pecapaia hasil dari pembagua suatu daerah atau wilayah dalam tiga dimesi dasar pembagua yaitu lamaya hidup, pegetahua/tigkat pedidika da stadar hidup layak. Dalam peelitia ii dilakuka pedeskripsia Ideks Pembagua Mausia (IPM) da faktorfaktor yag mempegaruhiya dari sudut padag kewilayaha dega matriks pembobot customaize, serta pemodela Ideks Pembagua Mausia (IPM) dega megguaka spatial Durbi Error Models. Hasil peelitia meuuka bahwa peyebara Idek Pembagua Mausia di Provisi Jawa Tegah mempuyai pola yag meyebar. Berdasarka hubuga Ideks Pembagua (IPM) dega variabel yag mempegaruhiya yaitu Agka Harapa Hidup (AHH), Rata-rata Lama Sekolah (RLS), Harapa Lama Sekolah (HLS), da Pegeluara Perkapita yag Disesuaika (PPDS) dapat diartika bahwa persamaa da perbedaa karakteristik pada setiap kabupate/kota yag berdekata dapat meimbulka peigkata atau peurua Ideks Pembagua Mausia di Provisi Jawa Tegah. Model yag memeuhi evaluasi model spatial ecoometriks yaitu model SDEM ( Spatial Durbi Error Models), da variabel yag mempuyai efek tidak lagsug adalah pegeluara erkapita yag disesuaika artiya Ideks Pembagua Mausia disuatu wilayah dipegaruhi oleh pegeluara perkapita yag disesuaika pada wilayah tersebut da wilayah lai yag memiliki karakteristik yag sama. Kata Kuci : Ideks Pembagua Mausia, Spatial Error Model (SEM), Spatial Durbi Error Model (SDEM) PENDAHULUAN Huma Devlompet Idex (HDI) atau IPM merupaka ideks pembagua mausia yag diperguaka utuk pecapaia hasil pembagua suatu wilayah yag terdiri dari tiga dimesi dasar pembagua diataraya adalah lama hidup, tigkat pedidika/pegetahua da stadar hidup yag layak. Idikator yag diguaka utuk megukur dimesi kesehata adalah agka harapa hidup waktu lahir. Agka harapa hidup uga diguaka sebagai tolak ukur rata-rata masa hidup daerah atau wilayah tersebut. Dimesi pegetahua dapat diukur melalui gabuga idikator rata-rata lama sekolah da harapa lama sekolah. Faktor terpetig dalam meuag pembagua adalah pediddika karea dari pedidikalah mausia itu berkembag da berfikir mau, fasilitasfalisitas pedidika yag memadai da 33

2 system pedidika yag bagus sagatlah medukug utuk terciptaya dimesi pegetahu yag tiggi. Adapu dimesi hidup layak dapat diukur melalui idikator rata-rata besarya pegeluara perkapita yag disesuaika oleh kemampua daya beli masyarakat terhadap seumlah kebutuha pokok [6]. Ideks pembagua mausia megukur capaia pembagua mausia berbasis seumlah kompee dasar kualitas hidup [1]. BPS mecatat, capaia IPM Jawa Tegah pada tahu 2010 sebesar 66,08 meadi 69,49 di tahu 2015 [2], dilihat dari adaya peigkata tersebut, artiya pertumbuha ekoomi Jawa Tegah dapat diikmati oleh masyarakat secara keseluruha. Meski meuukka kemaua yag cukup baik dari tahu 2010 ke tahu 2015, aka tetapi pembagua mausia di Jawa Tegah masih berstatus sedag. Utuk megatasi masalah IPM tersebut diguaka suatu metode pedekata spasial yag memugkika pegukura IPM beserta faktor-faktor yag mempegaruhiya ditampilka dalam betuk visualisasi utuk memberika iformasi yag mudah dipahami. Visualisasi dalam betuk peta diharapka dapat memberika gambara kecederuga spasial yag lebih baik utuk aalisis dalam melihat pola spasial dari IPM beserta variabel-variabel yag mempegaruhiya [4]. Metode spasial merupaka metode utuk medapatka iformasi pegamata yag dipegaruhi efek ruag atau lokasi. Efek spasial serig teradi atara satu wilayah dega wilayah yag lai. Pada data spasial, pegamata disuatu lokasi serigkali bergatug pada pegamata lokasi yag berdekata [5]. Oleh karea itu, peeliti igi meeliti dega melibatka efek spasial didalamya dikareaka ika terdapat efek spasial didalamya tidak diguaka efek spasial tersebut maka hasil peelitia diaggap bias. Tuua dari peelitia ii yaitu utuk melihat peyebara data IPM di Provisi Jawa Tegah melalui peta tematik da memodelka serta megkai lebih laut tetag model IPM di Jawa Tegah dega megguaka Spatial Durbi Error Model (SDEM). Peelitia ii megambil 4 parameter yag mempegaruhi IPM yaitu AHH, HLS, RLS da PPDS dega memperhituga faktor lokasi (spasial). Dalam peelitia ii model regresi yag dipakai diataraya model OLS, Spatial Error Model (SEM), da Spatial Durbi Error Model (SDEM). METODE PENELITIAN Sumber Data da Variabel Peelitia Variabel yag aka diguaka dalam peelitia meruuk pada peelitia Paaita (2012). Variabel pada peelitia ii terdiri atas dua bagia, yaitu variabel bebas (Y) da variabel terikat (X). Variabel yag mempegaruhi peelitia ii terdapat dalam tabel 1, sebagai berikut : Tabel 1. Variabel Peelitia No Variabel Keteraga Jeis Variabel 1 IPM Ideks Pembagua Mausia Bebas 2 AHH Agka Harapa Hidup Terikat 3 4 HLS RLS Harapa Lama Sekolah Rata-rata Lama Sekolah Terikat Terikat 5 Pegelua perkapita Pegeluara perkapita yag disesuaika Terikat 34

3 Metode Aalisis Adapu lagkah-lagkah yag dilakuka pada peelitiha ii adalah sebagai berikut: a. Melakuka eksplorasi data peta tematik utuk megetahui pola peyebara da depedesi masig-masig variabel utuk megetahui pola hubuga varibel X da Y. b. Meetuka model Spatial Ecoometrics yag tepat utuk data IPM di Kabupate da Kota di Provisi Jawa Tegah, lagkah-lagkahya adalah sebagai berikut : i. Ui depedesi spatial atau autokorelasi dega Mora s I pada masig-masig variabel. Selautya dilakuka pembetuka Mora s Scatterplot utuk megetahui peyebara atar lokasi. ii. Melakuka pemodela Ordiary Least Square (OLS), yag meliputi estimasi parameter, peguia hipotesis sigifikasi parameter, ui asumsi residual (idetik, idepede, da berdistribusi ormal), da ui depedesi spatial Mora s I pada residual. iii. Meetuka pembobot spatial costumaize atar lokasi iv. Melakuka pemodela SEM da SDEM v. Melakuka evaluasi model Spatial Ecoometrics vi. Megiterpretasika da meyimpulka hasil yag telah diperoleh. HASIL PENELITIAN 1. Pola Peyebara IPM Peyebara IPM dielaska dalam gambar sebagai berikut : Gambar 1. IPM Kabupate/Kota di Provisi Jawa Tegah Berdasarka gambar 1 dapat diketahui bahwa wara lokasi semaki gelap, maka IPM semaki tiggi. Terlihat bahwa kabupate/kota yag memiliki IPM berkisar atara 76,39 sampai 80,96 adalah Kota Surakarta, Kota Tegal, Kota Semarag, Kudus, Kota Pekaloga. Kabupate/kota yag memiliki IPM berkisar atara 71,89 sampai 76,39 adalah Kabupate Klate, Kabupate Sukoharo, Kabupate Karagayar da Kota Tegal. Sedagka kabupate/kota yag memiliki IPM berkisar atara 68,51 sampai 71,89 adalah Kabupate Boyolali, Kabupate Srage, Kabupate Bayumas, Kabupate Kedal, Kabupate Semarag, Kabupate Demak, Kabupate Jepara, Kota Magelag da Kabupate Purworeo. Kabupate/kota yag memiliki IPM berkisar atara 65,70 sampai 68,51 adalah Kabupate Cilacap, Kabupate Purbaligga, Kabupate Kebume, Kabupate Pekaloga, Kabupate Temaggug, Kabupate Woogiri, Kabupate Blora, Kabupate Pati, da Kabupate Rembag. Kemudia kabupate/kota yag memiliki IPM 36

4 berkisar atara 63,18 sampai 65,70 adalah Kabupate Baaregara, Kabupate Wosobo, Kabupate Batag, Kabupate Pemalag, Kabupate Tegal, Kabupate Brebes. 2. Pemodela IPM Jawa Tegah 2.1 Ui Depedesi Spatial Berdasarka hasil peguia Moras I pada tabel 2 dapat diketahui bahwa variabel IPM, AHH, HLS, PPDS da RLS terdapat depedesi spatial dega α = 5%. Jadi dapat disimpulka bahwa terdapat depedesi spatial dalam semua variabel. Tabel 2. Peguia Moras I Variabel Moras I P-value Kesimpula IPM e-07* Tolak 0 AHH e-10* Tolak 0 HLS e-05* Tolak 0 PPDS * Tolak 0 RLS 2,6173 0,004431* Tolak 0 Gambar 2. Moras Scatterplot IPM Dari gambar 2 dapat disimpulka bahwa pola peyebara IPM meuukka pola meyebar baik pada kuadra I, II, II da kuadra IV yag berarti kabupate/kota yag memiliki IPM tiggi meyebar disemua kabupate/kota di Provisi Jawa Tegah. Sebagai cotoh Kota Surakarta da Kota Salatiga terletak di kuadra II, artiya Kota Surakarta da Kota Salatiga mempuyai IPM tiggi da dikeliligi oleh kabupate/kota yag memiliki IPM yag tiggi uga. Sedagka cotoh lai Kabupate Woogiri terletak di kuadra I, artiya Kabupate Woogiri mempuyai IPM yag redah, amu dikeliligi oleh kabupate/kota yag mempuyai IPM tiggi. 2.2 Matriks Pembobot Spatial Dalam peelitia ii megguaka pembobot customize karea matriks pembobot spatial ii tidak haya mempertimbagka faktor persigguga da kedekata atar lokasi wilayah aka tetapi faktor-faktor laiya yag disesuaika dega karakteristik masalahya yaitu adaya hubuga salig mempegaruhi atar wilayah karea memiliki hubuga timbal balik. Dimaa W=1 utuk wilayah yag bersisia ( commo size) atau titik sudutya (commo vertex) bertemu dega wilayah yag meadi perhatia, Wi=0 utuk wilayah laiya. 2.3 Estimasi Parameter Model OLS, SEM da SDEM Secara umum model OLS, SEM da SDEM berdasarka hasil estimasi parameter pada tabel 3 adalah: 1. Ordiary least Square (OLS) y 1, 611E 07 2, 022E0 1X 3, 563E 01X 1 2 1, 764E 01X 3 3, 760E 01X 4 2. Spatial Error Models (SEM) y 1, 419E 03 2, 034E 01X 3, 532E 01X , 811E 01X 3, 777E 01X u ui 4, 626E 02 w iu + εi =1,i¹ 3. Spatial Durbi Error Models (SDEM) y 7,549E 02 1,993 E 01X 1,861 E 03 i 1i i 1i i 3,50 E 01X 9,142 E 03 w X 1,993 E 01X 2i i 2i 3i i 9,566 E 03 w X 3,618 E 01X i 8,732 E 03 w X u i u 1,879 E 02 w u i i i 3i 4i i i 4i i i w X 36

5 Tabel 3. Hasil Peguia Estimasi Parameter Model OLS, SEM da SDEM Parameter OLS Koefisie (P-value) SEM Koefisie (P-value) SDEM Koefisie (P-value) Itercept 1,611E-07 1,419E-03 7,549E-02 (1) (6.515E-01) (3,981E-01) AHH 2,022E-01 2,034E-01 1,993E-01 (<2E-16***) (<2E-16***) (<2E-16***) HLS 3,563E-01 3,532E-01 3,650E-01 (<2E-16***) (<2E-16***) (<2E-16***) RLS 1,764E-01 1,811E-01 1,695E-01 (5,190E-11***) (<2E-16***) (<2E-16***) PPDS 3,760E-01 3,777E-01 3,618E-01 (<2E-16***) (<2E-16***) (<2E-16***) lag.ahh ,861E (7,024E-01) lag.hls ,142E (4,011E-01) lag.rls - - 9,566E (2,599E-01) lag.ppds E (2,866E-02*) Lamda - -4,626E-02-1,879E-02 2,141E-01 (3,667E- 05***) Berdasarka output tabel 3 dapat disimpulka bahwa semua parameter model OLS, SEM da SDEM sigifika pada α = 0.1% dega ilai p. value <2e- 16 kecuali parameter RLS dalam model OLS = 5.19e-11, artiya utuk model OLS, SEM da SDEM semua parameter yaitu AHH, RLS, HLS, da PPDS berpegaruh sigifika terhadap IPM. sedagka utuk pegaruh kewilayaha model SDEM pada semua parameter yaitu AHH, RLS, HLS tidak berpegaruh sigifika terhadap wilayah disekitarya kecuali pada parameter PPDS sigifika pada α = 5% yaitu dega p. value sebesar 0,02866 yag artiya parameter PPDS mempuyai pegaruh atar wilayah yag sigifika. 2.4 Evaluasi Model Spatial Ecoometrics 1. Kriteria Ekoomi Tabel 4. Evaluasi Model Kriteria Ekoomi Kriteria Ekoomi Koefisie Parameter OLS SEM SDEM β1 > 0 2,022E-01 2,034E-01 1,993E-01 β2 > 0 3,563E-01 3,532E-01 3,650E-01 β3 > 0 1,764E-01 1,811E-01 1,695E-01 β4 > 0 3,760E-01 3,777E-01 3,618E-01 Lagβ1 > ,861E-03 Lagβ2 > ,142E-03 Lagβ3 > ,566E-03 Lagβ4 > ,732E-03 Lambda>0-1,879E-02 Dari hasil evaluasi model berdasarka kriteria ekoomi dapat disimpulka bahwa semua parameter dalam model OLS, SEM da SDEM sesuai dega teori ekoomi yag ada, karea tadaya positif atau β > 0. Sedagka utuk parameter Lagβ1 da Lagβ2 < 0 artiya masig-masig daerah yag diboboti memiliki agka harapa hidup da harapa lama sekolah yag berbedabeda tetapi agka harapa hidup da harapa lama sekolah tidak boleh bertada egative terhadap Ideks Pembagua Mausia sehigga pada Lagβ1 da Lagβ2 < 0 tidak sesuai dega kriteria ekoomi, tetapi variabel AHH da HLS tidak sigifika sehigga diyataka bahwa model SDEM memeuhi kriteria. Sedagka Lambda sigifika secara statistik da berilai egative atau lambda < 0 tetapi haya berpegaruh kecil terhadap daerah yag di boboti yaitu haya sebesar -1,879E- 02. Jadi dari ketiga model tersebut dapat simpulka bahwa model OLS,SEM da SDEM memeuhi kriteria secara ekoomi. 37

6 2. Kriteria Statistik Kriteria statistik ii diguaka utuk megui kelayaka model ( goodess of fit) dega melihat ilai MSE yag terkecil da sigifikasi parameter. Adapu hasil kriteria statistik disaika dalam tabel 4.3 diatas, dapat disimpulka bahwa semua parameter model OLS, SEM da SDEM sigifika pada α = 0,1%, dega ilai p. value <2e-16 kecuali parameter RLS dalam model OLS = 5.19E-11. Artiya utuk model OLS, SEM da SDEM semua parameter yaitu AHH, RLS, HLS, da PPDS berpegaruh sigifika terhadap IPM. Sedagka utuk pegaruh kewilayaha model SDEM pada semua parameter yaitu AHH, RLS, HLS tidak berpegaruh sigifika terhadap wilayah disekitarya kecuali pada parameter PPDS sigifika pada α = 5% yaitu dega p. value sebesar 2,866E-02 yag artiya parameter PPDS mempuyai pegaruh atar wilayah yag sigifika. 3. Kriteria Ekoometrika Dalam kriteria ekoometrika ii aka diui asumsi klasik. Beberapa asumsi klasik yag harus terpeuhi adalah residual berdistribusi ormal, tidak teradi multikoliieritas, tidak teradi heteroskedastisitas, da autokorelasi. Hasil evaluasi model berdasarka kriteria ekoometrika dari masigmasig model adalah sebagai berikut : Tabel 5. Evaluasi Model Berdasarka Kriteria Ekoometrika Ui Asumsi Klasik Kriteria Ekoomertika OLS SEM SDEM Normalitas p-value > α TM TM M Autokorelasi p-value > α M TM M Heteroskedastisitas p-value > α M TM M Multikoliieritas VIF < 10 M M M Ket : M = Memeuhi kriteria ekoometrika TM = Tidak memeuhi kriteria ekoometrika *Utuk model SEM da SDEM megguaka autokorelasi spatial Dari tabel 5 dapat disimpulka bahwa hasil ui residual berdistribusi ormal ii megguaka ui Aderso Darlig (AD), meyataka bahwa model OLS memiliki p-value sebesar 0,015 artiya tidak sigifika karea p-value < α = 5%. Sedagka model SEM p-value = <0,005 da p-value SDEM = 0,941 sigifika karea p-value > α = 5%. Kesimpulaya adalah model SDEM berdistribusi ormal, sedagka model OLS da SEM tidak bertistribusi ormal. Hasil ilai test Durbi-Watso utuk megui autokorelasi pada residual OLS = 0.304, SEM = da SDEM = Nilai tersebut dibadigka dega ilai tabel Durbi-Watso utuk k=4 da =35 diperoleh batas bawah sebesar 1,222 da batas atas sebesar 1,726. Karea ilai test Durbi-Watso lebih kecil dari batas bawah maka dapat disimpulka bahwa H0 ditolak, artiya teradi autokorelasi pada residual OLS d. Sedagka berdasarka Moras I test model SEM da SDEM, diketahui bahwa p-value model SEM < α, dega α = 5% da p-value SDEM >< α, Artiya pada model SEM tidak ada depedesi spatial atau ada hubuga atar wilayah IPM kabupate da kota di provisi Jawa Tegah tetapi pada Model SDEM ada depedesi spatial atau tidak ada hubuga atar wilayah IPM kabupate da kota di provisi Jawa Tegah. Hasil peguia Breusch-Paga test (BP test) utuk megui heteroskedastisitas model SDEM meuuka bahwa p-value model SDEM = 0,576 da model OLS=0,342 lebih besar dari α. Artiya ada keragama betuk fugsioal da 38

7 parameter pada setiap lokasi (homoskedastisitas). Sedagka utuk model SEM terdapat heteroskedastisitas karea p-value < α. Hasil peguia multikoliearitas dilihat berdasarka ilai Variace Iflatio Factors (VIF), hasil ilai VIF dari model OLS, SEM da SDEM < 10. Artiya tidak terdapat multikoliearitas pada model OLS, SEM da SDEM. 2.5 Pemiliha Model Terbaik Pemiliha model terbaik berdasarka hasil Evaluasi Model Spatial Ecoometrics yaitu kriteria ekoomi, kriteria statistik da kriteria ekoometrika. Berikut hasil pemiliha model terbaik spatial ecoometrics: Tabel 6. Pemiliha Model Terbaik Model Kriteria Kriteria Kriteria Ekoomi Statistika Ekoomertika OLS M M TM SEM M M TM SDEM M M M Tabel 7. Nilai AIC Model AIC OLS SEM SDEM Berdasarka evaluasi model spatial ecoometrics yaitu eveluasi kriteria ekoomi, evaluasi kriteria statistik da evaluasi kriteria ekoometrika maka dapat simpulka bahwa model OLS da model SEM buka model yag terbaik karea ada salah satu kriteria model yag tidak terpeuhi yaitu kriteria ekoometrika sedagka model SDEM disimpulka bahwa model tersebut adalah model yag terbaik karea memeuhi tiga kriteria evaluasi model terbaik. Berdasarka tabel 7 dapat dielaska semaki kecil ilai AIC suatu model maka aka semaki baik model yag didapatka. Berdasarka ilai AIC diatas dapat disimpulka ilai AIC yag palig kecil adalah model SDEM sebesar , artiya dari ketiga model OLS, SEM da SDEM yag terbaik adalah model SDEM. Model SDEM yag terbetuk secara umum adalah sebagai berikut : y 1,993 E01X 3,650 E01X 1,695 E01X 1i 2i 3i 3,618 E01X 8,732 E03 u 1,879 E02 W u 4i i 4i i i i i w X Model SDEM dapat diiterpretasika bahwa Ideks Pembagua Mausia (IPM) di Provisi Jawa Tegah di pegaruhi oleh variabel lagsg da tidak lagsug. Variabel yag berpegaruh lagsug terhadap IPM adalah Agka Harapa Hidup (AHH), Harapa Lama Sekolah (HLS), Rata - rata Lama Sekolah (RLS), da Pegeluara Perkapita yag Disesuaika (PPDS). Sedagka variabel tidak lagsug yag berpegaruh terhadap IPM adalah Pegeluara Perkapita yag disesuaika. KESIMPULAN Berdasarka hasil aalisis da pembahasa, peelitia ii dapat disimpulka peyebara IPM di Provisi Jawa Tegah mempuyai pola yag meyebar atara wilayah yag salig berdekata satu sama lai. Berdasarka hubuga atara Ideks Pembagua Mausia (IP M) dega variabel yag mempegaruhiya Agka Harapa Hidup (AHH), Harapa Lama Sekolah, (HLS), Rata-rata Lama Sekolah (RLS) da Pegeluara Perkapita yag disesusaika (PPDS) dapat diartika bahwa persamaa da perbedaa karakteristik pada setiap Kabupate/Kota yag berdekata dapat meimbulka peigkata atau peurua IPM di Provisi Jawa Tegah. Kabupate/kota yag memiliki IPM berkisar atara 76,39 sampai 80,96 39

8 adalah Kota Surakarta, Kota Tegal, Kota Semarag, Kudus, Kota Pekaloga. Kabupate/kota yag memiliki IPM berkisar atara 71,89 sampai 76,39 adalah Kabupate Klate, Kabupate Sukoharo, Kabupate Karagayar da Kota Tegal. Sedagka kabupate/kota yag memiliki IPM berkisar atara 68,51 sampai 71,89 adalah Kabupate Boyolali, Kabupate Srage, Kabupate Bayumas, Kabupate Kedal, Kabupate Semarag, Kabupate Demak, Kabupate Jepara, Kota Magelag da Kabupate Purworeo. Kabupate/kota yag memiliki IPM berkisar atara 65,70 sampai 68,51 adalah Kabupate Cilacap, Kabupate Purbaligga, Kabupate Kebume, Kabupate Pekaloga, Kabupate Temaggug, Kabupate Woogiri, Kabupate Blora, Kabupate Pati, da Kabupate Rembag. Kemudia kabupate/kota yag memiliki IPM berkisar atara 63,18 sampai 65,70 adalah Kabupate Baaregara, Kabupate Wosobo, Kabupate Batag, Kabupate Pemalag, Kabupate Tegal da Kabupate Brebes. Da pemodela IPM di Provisi Jawa Tegah dapat disimpulka bahwa, model yag memeuhi semua evaluasi spatial ecoometrics yaitu model SDEM. [5] Setiawa da Kusrii, D.E., 2010, Ekoometrika, Adi, Yogyakarta [6] Paaita, W.M., 2012, Peerapa Regresi Spasial pada Pemodela Kasus Ketergatuga Spasial (Studi Kasus: Ideks Pembagua Mausia Tahu 2010). Ititut Pertaia Bogor. DAFTAR PUSTAKA [1] Bada Pusat Statistik., 2009, Ideks Pembagua Mausia Jakarta-Idoesia [2] Bada Pusat Statistik (BPS), 2015, Ideks Pembagua Mausia. [3] Lee, J. da Wog, D. W. S., 2001, Statistical Aalysis with Arcview GIS, Joh Wiley ad Sos, New York. [4] LeSage, J.P. da Pace, R.K., 2009, Itroductio to Spatial Ecoometrics, R Press, Boca Ratio. 40