• L'effet multiplicateur: en moyenne la valeur de y dans une région i n'est pas seulement expliquée par les valeurs des variables explicatives associées à cette région, mais aussi par celles associées à toutes les régions (Voisines de i ou non) à travers la transformation spartail inverse

• L'effet diffusion: un choc aléatoire dans une région affect non seulement la valeur de y de cette région, mais a également un impact sur les valeurs de y dans les autres régions à travers la même transformation spatiale inverse

• Le modèle représentant le résultat d'équilibre faisant interagir les décisions des agents.

• La forme réduite est spécifique à ce type de modèle

• Ces deux effects impliquent un biais dans la valeur des coefficiants estimés pour l'ensemble des variables explicatives.
• Les élèments de la diagonale de la matrice de variance covariance ne sont pas contstant, ce qui implique l'hétéroscédasticité des errerus.

• On peut supposer que la matrice est non singulière,

• Lorsque p est différent de 0 et l'inverse de p n'est pas une valeur propre de W:

Modèle SLM

Modèle SCM

Dans ce modèle, aucune forme réduite n'est réalisable, il n'y a donc ni effet multiplicateur ni effet de diffusion. Aucune contrainte ne pèse sur l'identification des paramètres

• Une observation i s'explique par les valeurs prises par les variables de X dans la région i, et par les variables de Z dans les régions voisines