Modèle d’explication de flux à composantes d’erreurs spatialement corrélées

In this study, we propose a generalization of the error component formulation to model the correlation among the errors of a regression based on travel flow data. The error term is broken down into a sum of one component related to the origin zone, one component related to the destination zone and a remainder. Each component is assumed to result from a first-order spatial autoregressive generating process. An efficient estimation approach based on maximum likelihood which addresses the practical implementation of such a model with a large sample size is suggested. Dans cette étude, nous proposons une généralisation de la formulation à composantes d’erreurs qui permet de représenter différents effets explicatifs de la présence de corrélation dans les erreurs de modèles de régression avec données de flux. Selon la formulation proposée, le terme d’erreur se décompose en une somme d’une erreur relative à la zone d’origine, une erreur relative à la zone de destination et une erreur associée au flux. Chaque composante d’erreur est issue d’un processus générateur auto-régressif spatial d’ordre 1. L’estimation des paramètres du modèle est basée sur la méthode du maximum de vraisemblance. La méthodologie proposée a l’avantage de demeurer applicable même dans le contexte d’échantillons de grande taille.