Η φωτογραφία λήφθηκε κατά την διάρκεια του 64ου Συνεδρίου της ERSA στην Αθήνα, το 2025.
Οι ερωτήσεις υποβλήθηκαν γραπτώς στην αγγλική γλώσσα στον J. Paul Elhorst και οι απαντήσεις του ελήφθησαν στις 11 Σεπτεμβρίου 2026. Η συνέντευξη αποδίδεται εδώ σε ελληνική μετάφραση.
Ο J. Paul Elhorst είναι Ομότιμος Καθηγητής Χωρικής Οικονομετρίας στο Πανεπιστήμιο του Groningen και κάτοχος διδακτορικού διπλώματος στα Οικονομικά και μεταπτυχιακού διπλώματος στην Οικονομετρία από το Πανεπιστήμιο του Amsterdam. Ξεκίνησε την επαγγελματική του διαδρομή στο Ινστιτούτο Αγροτικής Οικονομικής Έρευνας στη Χάγη, όπου η εργασία του με δεδομένα πάνελ γεωργικών εκμεταλλεύσεων έθεσε τις βάσεις για τη μετέπειτα έρευνά του στα χωρικά υποδείγματα πάνελ.
Το έργο του συνέβαλε στην επέκταση της χωρικής οικονομετρίας πέρα από την αρχική της εστίαση στα διαστρωματικά δεδομένα. Το βιβλίο του, Spatial Econometrics: From Cross-sectional Data to Spatial Panels, αποτυπώνει αυτή την εξέλιξη, ενώ η έρευνά του εξετάζει ερωτήματα που αντιμετωπίζουν οι εφαρμοσμένοι ερευνητές κατά την επιλογή υποδείγματος, την αναπαράσταση των χωρικών σχέσεων και την ερμηνεία των άμεσων και έμμεσων επιδράσεων.
Ένα σταθερό σημείο αναφοράς στο έργο του Elhorst είναι η ανάγκη να «ανεβάσουμε τον πήχη» στην εφαρμοσμένη χωρική οικονομετρική έρευνα. Η φράση συνδέει το ενδιαφέρον του για την ποιότητα της έρευνας με ζητήματα εξειδίκευσης των υποδειγμάτων, θεωρητικής τεκμηρίωσης και εμπειρικής εφαρμογής. Παράλληλα με τη μεθοδολογική του συμβολή, διετέλεσε επικεφαλής σύνταξης του περιοδικού Spatial Economic Analysis από το 2015 έως το 2023.
Στη συζήτηση που ακολουθεί, ο Elhorst περιγράφει τη διαδρομή του από την οικονομετρία δεδομένων πάνελ στη χωρική οικονομετρία και αναφέρεται στις αλλαγές που διακρίνει σε τέσσερις γενιές χωρικών οικονομετρικών υποδειγμάτων. Συζητά την επιλογή μεταξύ εναλλακτικών εξειδικεύσεων, την αξία της ελεύθερης διάθεσης του υπολογιστικού κώδικα και την πρόκληση της εκτίμησης των χωρικών σχέσεων όταν η πραγματική μήτρα χωρικών βαρών είναι άγνωστη. Η οπτική του για το μέλλον του πεδίου συνδέει αυτά τα ερωτήματα με τα δυναμικά χωρικά υποδείγματα με κοινούς παράγοντες, επαναφέροντας παράλληλα τη σημασία της γνώσης που προκύπτει μέσα από τις εμπειρικές εφαρμογές.
Ακαδημαϊκό προφίλ του J. Paul Elhorst
Από την εφαρμοσμένη περιφερειακή έρευνα στη χωρική οικονομετρία
HSSL: Ξεκινήσατε την επαγγελματική σας διαδρομή ως οικονομολόγος στο Ινστιτούτο Αγροτικής Οικονομικής Έρευνας, δουλεύοντας πάνω σε συγκεκριμένα περιφερειακά προβλήματα, πολύ πριν γίνετε γνωστός για τη χωρική οικονομετρία. Πώς φτάσατε από εκεί έως εδώ; Και επηρέασε αυτή η αφετηρία στην εφαρμοσμένη έρευνα τον τρόπο με τον οποίο σκέφτεστε τον χώρο;
J. Paul Elhorst: Σπούδασα οικονομετρία στο Πανεπιστήμιο του Amsterdam, με μαθήματα επιλογής τη Οικονομική του Χώρου και την Οικονομική των Μεταφορών. Μέσα από την εργασία μου στο Ινστιτούτο Αγροτικής Οικονομικής Έρευνας εξοικειώθηκα με την οικονομετρία δεδομένων πάνελ. Το Ινστιτούτο συγκέντρωνε και διαχειριζόταν ένα πάνελ περίπου 1.000 γεωργικών εκμεταλλεύσεων κατανεμημένων σε ολόκληρη την Ολλανδία. Εκπόνησα εκεί τη διδακτορική μου διατριβή χρησιμοποιώντας αυτό το σύνολο δεδομένων, από το οποίο προέκυψαν τα δύο πρώτα διεθνή άρθρα μου, και τα δύο δημοσιευμένα στο European Journal of Agricultural Economics. Μετά την ολοκλήρωση του διδακτορικού μου, μετακινήθηκα στο Πανεπιστήμιο του Groningen για να ενταχθώ στην ερευνητική ομάδα Χωρικής Οικονομικής.
Εκεί άρχισα να εργάζομαι με περιφερειακά δεδομένα της Ευρωπαϊκής Ένωσης που διέθετε η Eurostat για τη συμμετοχή στο εργατικό δυναμικό, την ανεργία, το κατά κεφαλήν ΑΕΠ και την αύξηση της απασχόλησης. Για την ανάλυσή τους χρησιμοποίησα οικονομετρικά υποδείγματα δεδομένων πάνελ και τεχνικές εκτίμησης που είχα μάθει στο Ινστιτούτο Αγροτικής Οικονομικής Έρευνας. Αρχικά, αυτά τα υποδείγματα και οι τεχνικές δεν είχαν χωρική αναφορά. Μέσα από τη συμμετοχή μου σε διεθνή συνέδρια και λόγω του υπόβαθρού μου στην οικονομετρία, άρχισα να ενδιαφέρομαι για τη χωρική οικονομετρία. Μου έκανε εντύπωση ότι όλες οι παρουσιάσεις που παρακολουθούσα σε αυτό το πεδίο επικεντρώνονταν αποκλειστικά σε διαστρωματικά δεδομένα και όχι σε δεδομένα πάνελ. Λόγω της εμπειρίας μου στα δεδομένα πάνελ, άρχισα να αναρωτιέμαι γιατί συνέβαινε αυτό. Έτσι, ακολούθησα αυτή την κατεύθυνση. Το αποτέλεσμα ήταν το πρώτο μου άρθρο πάνω σε αυτό το θέμα, στο Geographical Analysis το 2001: Dynamics in space and time.
Ανεβάζοντας τις απαιτήσεις στην εφαρμοσμένη χωρική οικονομετρική έρευνα
HSSL: Το «Raising the bar» δεν ήταν μόνο ο τίτλος του άρθρου σας το 2010· από το 2016 έως το 2023 αποτέλεσε την κεντρική ιδέα μιας επαναλαμβανόμενης σειράς editorial στο Spatial Economic Analysis. Τι επιδιώκατε να πετύχετε; Και σε αυτά τα οκτώ χρόνια, ποιες αλλαγές παρατηρήσατε τόσο στα ερωτήματα που έθεταν οι ερευνητές όσο και στον τρόπο με τον οποίο επιχειρούσαν να τα απαντήσουν;
J. Paul Elhorst: Αυτό που με κινητοποιούσε, και εξακολουθεί να με κινητοποιεί, ήταν η συνεχής βελτίωση της ποιότητας της έρευνας και, στη δική μου περίπτωση, της έρευνας που βασίζεται σε χωρικά οικονομετρικά υποδείγματα. Συνόψισα τις αλλαγές που έχω παρατηρήσει σε τέσσερις γενιές χωρικών οικονομετρικών υποδειγμάτων. Η πρώτη γενιά αποτελείται από υποδείγματα που βασίζονται σε διαστρωματικά δεδομένα. Η δεύτερη περιλαμβάνει μη δυναμικά υποδείγματα που βασίζονται σε χωρικά δεδομένα πάνελ. Αυτά μπορεί απλώς να συνενώνουν διαστρωματικά δεδομένα διαφορετικών χρονικών περιόδων, αλλά συχνότερα ελέγχουν για σταθερές ή τυχαίες επιδράσεις ανά χωρική μονάδα και/ή χρονική περίοδο. Η τρίτη γενιά περιλαμβάνει δυναμικά χωρικά υποδείγματα πάνελ, ενώ η τέταρτη ελέγχει επιπλέον για κοινούς παράγοντες, είτε με τη μορφή διαστρωματικών μέσων όρων είτε κύριων συνιστωσών.
Επιλέγοντας χωρικό υπόδειγμα: από το SLX στο υπόδειγμα γενικής εμφώλευσης
HSSL: Οι εφαρμοσμένοι ερευνητές έχουν στη διάθεσή τους έναν μεγάλο κατάλογο εξειδικεύσεων – SAR, SEM, SDM, SLX και το υπόδειγμα γενικής εμφώλευσης. Μαζί με τη Solmaria Halleck Vega υποστηρίξατε ότι, όταν η θεωρία δεν προσφέρει σαφή καθοδήγηση, το υπόδειγμα SLX αποτελεί μια χρήσιμη αφετηρία. Περισσότερο από μία δεκαετία αργότερα, θα δίνατε ακόμη την ίδια συμβουλή;
J. Paul Elhorst: Στην εμπειρική έρευνα, το υπόδειγμα SLX μπορεί να αποτελεί καλύτερη αφετηρία από τα υποδείγματα SAR, SEM και SARAR που κυριαρχούν στη θεωρητική βιβλιογραφία της χωρικής οικονομετρίας, επειδή ο αριθμός των χωρικών υστερήσεων στις ερμηνευτικές μεταβλητές –K συνολικά– συχνά υπερβαίνει τον αριθμό των χωρικών υστερήσεων στην εξαρτημένη μεταβλητή και στον όρο σφάλματος –2 συνολικά: K > 2. Το επόμενο βήμα είναι να εξεταστεί αν πρέπει να συμπεριληφθεί και χωρική υστέρηση στην εξαρτημένη μεταβλητή ή στον όρο σφάλματος. Η συμπερίληψη χωρικής υστέρησης στην εξαρτημένη μεταβλητή πρέπει να τεκμηριώνεται από την οικονομική θεωρία, κάτι που συχνά παραβλέπεται λανθασμένα. Το αν θα συμπεριληφθεί χωρική υστέρηση στον όρο σφάλματος είναι περισσότερο εμπειρικό ζήτημα, αλλά πρέπει να σημειωθεί ότι η συμπερίληψή της δεν θα πρέπει να μεταβάλλει στατιστικά σημαντικά τις εκτιμήσεις των παραμέτρων –ένα ακόμη ζήτημα που συχνά παραβλέπεται. Αν αυτό συμβαίνει, αποτελεί ένδειξη προβλημάτων εσφαλμένης εξειδίκευσης. Ιδανικά, συμπεριλαμβάνονται και οι δύο υστερήσεις, οδηγώντας στο υπόδειγμα GNS, και στη συνέχεια ελέγχεται ποιες χωρικές υστερήσεις δεν είναι σημαντικές. Αυτή την περίοδο εργάζομαι πάνω σε αυτό το υπόδειγμα με βάση νέες προσεγγίσεις.
Ανοικτός κώδικας, αναπαραγωγιμότητα και μια νέα γενιά ερευνητών
HSSL: Εδώ και χρόνια διαθέτετε ελεύθερα μέσω του spatial-panels.com τις ρουτίνες MATLAB που συνοδεύουν το βιβλίο σας, επιτρέποντας στους ερευνητές να αναπαράγουν τα αποτελέσματά του και να εφαρμόζουν τα υποδείγματα στα δικά τους δεδομένα. Περιμένατε ότι αυτός ο κώδικας θα είχε τόσο διαρκή εκπαιδευτικό ρόλο; Και τι θα λέγατε σήμερα σε έναν φοιτητή που ξεκινά με R ή Python;
J. Paul Elhorst: Αν, ως ερευνητής, επενδύσεις χρόνο και προσπάθεια στη συλλογή δεδομένων, στην εύρεση του υποδείγματος που προσαρμόζεται καλύτερα και στην ανάπτυξη κώδικα για την εκτίμηση των παραμέτρων του, θα προτιμούσες να τα κρατήσεις για τον εαυτό σου και να μην τα δημοσιοποιήσεις. Ωστόσο, μια δημοσίευση αποκτά πολύ μεγαλύτερο αντίκτυπο, ως προς τις αναφορές, την αναγνώριση και την εικόνα της, αν τα μοιραστείς. Αυτό το έμαθα από άλλους ερευνητές που δραστηριοποιούνταν τότε στο πεδίο. Είναι η καλύτερη συμβουλή που έχω λάβει ποτέ. Όταν άρχισα να μοιράζομαι τον κώδικά μου, το MATLAB ήταν ο κανόνας. Σήμερα είναι η R και η Python. Όπως πάντα, πρέπει να συμβαδίζεις με τις νέες εξελίξεις.
Επανεξετάζοντας τα χωρικά βάρη: εκτίμηση και αβεβαιότητα
HSSL: Η μήτρα χωρικών βαρών ήταν ανέκαθεν μία από τις πλέον αμφισβητούμενες επιλογές στη χωρική οικονομετρία. Σε πρόσφατη εργασία σας επιτρέπετε στην εξασθένηση της επίδρασης της απόστασης να εκτιμάται αντί να επιβάλλεται και δείχνετε ότι οι έμμεσες επιδράσεις είναι ιδιαίτερα ευαίσθητες στον τρόπο με τον οποίο ορίζεται η χωρική απόσταση. Πόσο μακριά μπορεί να φτάσει αυτή η προσέγγιση; Και υπάρχει κίνδυνος να προσαρμόζουμε στο υπόδειγμα ακριβώς τη χωρική δομή που επιχειρούμε να εξηγήσουμε;
J. Paul Elhorst: Η παραμετροποίηση της μήτρας χωρικών βαρών με μία ή, ακόμη καλύτερα, με περισσότερες παραμέτρους και η χρήση διαφορετικής μήτρας χωρικών βαρών για κάθε χωρική υστέρηση του υποδείγματος είναι το μέλλον. Η εναλλακτική είναι να οριστεί η μήτρα χωρικών βαρών ως κυρτός συνδυασμός πολλών υπομητρών που βασίζονται σε διαφορετικά μέτρα απόστασης– γεωγραφικά, οικονομικά, πολιτικά κ.λπ.– και να εκτιμάται η συμβολή κάθε υπομήτρας στη συνολική μήτρα. Δεν γνωρίζω ακόμη ποια από αυτές τις δύο μεθόδους είναι περισσότερο υποσχόμενη. Καθεμία από αυτές τις προσεγγίσεις βελτιώνει την προσαρμογή του υποδείγματος και βοηθά να διαπιστωθεί ποιες εξειδικεύσεις χωρικών οικονομετρικών υποδειγμάτων και ποιες εξειδικεύσεις της μήτρας χωρικών βαρών υστερούν έναντι άλλων. Επιπλέον, λαμβάνει υπόψη την αβεβαιότητα που αντιμετωπίζει ο ερευνητής στην εμπειρική έρευνα κατά τον υπολογισμό άμεσων και έμμεσων επιδράσεων, επειδή η πραγματική μήτρα –ή οι πραγματικές μήτρες– χωρικών βαρών είναι άγνωστη.
Χωρική αλληλεπίδραση και διαχύσεις: οι δύο νόμοι της χωρικής μοντελοποίησης
HSSL: Στην εργασία σας του 2024 διατυπώνετε δύο θεμελιώδεις νόμους της χωρικής μοντελοποίησης: οι χωρικές μονάδες παρατήρησης δεν μπορούν να αντιμετωπίζονται ως ανεξάρτητες επειδή αλληλεπιδρούν, και η αλληλεπίδραση δημιουργεί χωρικές διαχύσεις. Υποστηρίζετε επίσης ότι καμία μεμονωμένη προσέγγιση δεν αντιμετωπίζει ακόμη επαρκώς και τα δύο ζητήματα. Τι θα έπρεπε να επιτυγχάνει ένα πλαίσιο ικανό να ικανοποιήσει και τους δύο νόμους, το οποίο τα σημερινά υποδείγματα ακόμη δεν μπορούν να προσφέρουν;
J. Paul Elhorst: Συχνά με εκπλήσσει ο αριθμός των μελετών που εξακολουθούν να αντιμετωπίζουν τις χωρικές μονάδες παρατήρησης ως ανεξάρτητες οντότητες. Η εξήγηση είναι ότι η χωρική οικονομετρία έχει πλέον ενταχθεί στην κυρίαρχη οικονομετρία, με αποτέλεσμα οι ερευνητές που δραστηριοποιούνται στο πεδίο να συμμετέχουν πολύ λιγότερο σε συνέδρια περιφερειακής επιστήμης και να δημοσιεύουν πολύ λιγότερο σε περιοδικά περιφερειακής επιστήμης. Αυτή είναι μια ανησυχητική εξέλιξη, ιδιαίτερα επειδή η ανάπτυξη προηγμένων χωρικών οικονομετρικών υποδειγμάτων δεν σταματά. Για να καλυφθούν και οι δύο νόμοι, το μέλλον είναι ένα δυναμικό χωρικό οικονομετρικό υπόδειγμα GNS με κοινούς παράγοντες, είτε με τη μορφή διαστρωματικών μέσων όρων είτε κύριων συνιστωσών. Παρότι πλησιάζουμε όλο και περισσότερο σε ένα τέτοιο υπόδειγμα, δεν έχουμε φτάσει ακόμη εκεί.
Προς μια τέταρτη γενιά: δυναμικά χωρικά υποδείγματα με κοινούς παράγοντες
HSSL: Στο βιβλίο σας οργανώσατε την εξέλιξη της χωρικής οικονομετρίας σε τρεις γενιές: διαστρωματικά υποδείγματα, στατικά χωρικά πάνελ και δυναμικά χωρικά πάνελ. Θεωρείτε ότι εισερχόμαστε τώρα σε μια τέταρτη γενιά; Αν ναι, ποιες εξελίξεις –μεθοδολογικές, υπολογιστικές ή σχετικές με τα δεδομένα– θα την καθορίσουν;
J. Paul Elhorst: Ως υπόδειγμα τέταρτης γενιάς ορίζω το χωρικό οικονομετρικό υπόδειγμα που ελέγχει επιπλέον για κοινούς παράγοντες, είτε με τη μορφή διαστρωματικών μέσων όρων είτε κύριων συνιστωσών. Όπως ανέφερα, το μέλλον είναι ένα δυναμικό χωρικό οικονομετρικό υπόδειγμα GNS με κοινούς παράγοντες.
Η μεθοδολογική πρόοδος, ωστόσο, σπάνια εξελίσσεται ανεξάρτητα από τα προβλήματα που αναδεικνύονται στην εμπειρική έρευνα. Αυτό μας επαναφέρει στη σχέση μεταξύ εφαρμογών και ανάπτυξης των χωρικών οικονομετρικών μεθόδων.
Πώς οι εμπειρικές εφαρμογές συμβάλλουν στη μεθοδολογική εξέλιξη
HSSL: Μεγάλο μέρος του μεθοδολογικού σας έργου αναπτύχθηκε παράλληλα με εμπειρικές εφαρμογές, από τις περιφερειακές αγορές εργασίας και τον φορολογικό ανταγωνισμό έως τις άμεσες ξένες επενδύσεις, τις μεταφορές και την ερευνητική παραγωγικότητα. Μπορείτε να θυμηθείτε μια εφαρμογή που ανέδειξε κάποιον περιορισμό της υπάρχουσας μεθοδολογίας και σας οδήγησε να σκεφτείτε διαφορετικά το ίδιο το οικονομετρικό υπόδειγμα;
J. Paul Elhorst: Μέσα από την εμπειρική έρευνα μαθαίνεις πολύ περισσότερα για τις σημερινές αδυναμίες των υφιστάμενων χωρικών οικονομετρικών υποδειγμάτων. Αρκετές θεωρητικές-οικονομετρικές μελέτες αποδεικνύεται ότι έχουν ελάχιστη πρόσθετη αξία στην εφαρμοσμένη εμπειρική έρευνα. Μόνο ο συνδυασμός των δύο επιτρέπει να γεφυρωθεί το χάσμα μεταξύ τους.
Η επόμενη πρόκληση: αναζητώντας τις κατάλληλες μήτρες χωρικών βαρών
HSSL: Έχουν περάσει πενήντα χρόνια από τότε που ο Jean Paelinck έδωσε στο πεδίο το όνομα «χωρική οικονομετρία» –μια επέτειος που τιμήσατε στο ειδικό τεύχος που προέκυψε από το συνέδριο του Groningen. Κοιτάζοντας μπροστά και όχι πίσω, ποιο πρόβλημα δεν έχει ακόμη επιλύσει η χωρική οικονομετρία; Και ποιο ανοικτό ερώτημα θα παραδίδατε στην επόμενη γενιά ερευνητών;
J. Paul Elhorst: Η εύρεση της σωστής –δηλαδή εκείνης που βρίσκεται πλησιέστερα στην πραγματική– μήτρας χωρικών βαρών για κάθε επιμέρους χωρική υστέρηση του υποδείγματος είναι η μεγαλύτερη πρόκληση που εξακολουθούν να αντιμετωπίζουν οι ερευνητές της χωρικής οικονομετρίας. Η εμπειρία μου είναι ότι οι συγγραφείς που ασκούν κριτική στη χωρική οικονομετρία είναι ασυναγώνιστοι στο να εξηγούν πώς δεν πρέπει να γίνεται. Αυτό είναι εύκολο. Η τέχνη είναι να εξηγήσεις πώς πρέπει να γίνεται. Αυτό είναι δύσκολο, αλλά αυτό είναι που με κινητοποιεί.
HSSL: Καθηγητή Elhorst, σας ευχαριστούμε θερμά που μοιραστήκατε τις σκέψεις σας με το Hellenic Spatial Statistics Lab.