La littérature économétrique récente fait une place croissante à l'étude des propriétés asymptotiques des différentes méthodes d'estimation des modèles de données de panel spatio-temporels. Toutefois, force est de constater que peu d'attention est consacrée à l'interprétation économique de tels modèles malgré leur grand intérêt pour la modélisation des phénomènes économiques dans une dimension spatio-temporelle et le rôle qu'ils pourraient jouer dans l'évaluation des politiques économiques dans cette même dimension. Nous montrons dans ce papier que les coefficients estimés de ces modèles permettent d'expliciter non seulement la dynamique temporelle des impacts mais également leur dynamique spatiale et surtout de quantifier la diffusion spatio-temporelle de l'impact d'une variation d'une variable explicative. La méthode proposée est illustrée par une étude de la demande de cigarettes dans 46 Etats américains sur la période 1963-1992 en utilisant une base de données bien connue dans la littérature économétrique. La présence d'autocorrélation spatiale est ici motivée par un effet de " contrebande ". Les consommateurs proches des frontières d'un état achèteront en effet leurs cigarettes dans les états voisins si le prix des cigarettes y est inférieur à celui pratiqué dans leur propre Etat.

There is a great deal of literature regarding the asymptotic properties of various approaches to estimating simultaneous space-time panel models, but little attention has been paid to how the model estimates should be interpreted. The motivation for use of space-time panel models is that they can provide us with information not available from cross-sectional spatial regressions. LeSage and Pace (2009) show that cross-sectional simultaneous spatial autoregressive models can be viewed as a limiting outcome of a dynamic space-time autoregressive process. A valuable aspect of dynamic space-time panel data models is that the own- and cross-partial derivatives that relate changes in the explanatory variables to those that arise in the dependent variable are explicit. This allows us to employ parameter estimates from these models to quantify dynamic responses over time and space as well as space-time diffusion impacts. We illustrate our approach using the demand for cigarettes over a 30 year period from 1963-1992, where the motivation for spatial dependence is a bootlegging effect where buyers of cigarettes near state borders purchase in neighboring states if there is a price advantage to doing so.