چکیده: بسیاری از مطالعات تجربی، مستلزم استفاده از متغیرهایی است که تحت تأثیر موقعیت مکانی مشاهدات هستند. در این موارد میزان و نحوه تأثیر ساختار فضایی داده‌ها دارای اهمیت است و نادیده گرفتن آن موجب خطا در برآورد و از دست رفتن اطلاعات مهمی می‌شود. در برخورد با چنین داده‌هایی مدل محبوب و پرکاربرد رگرسیون خطی پاسخگو نیست؛ زیرا عامل موقعیت فضایی موجب نقض پذیره‌های همگنی و ناهمبستگی این مدل می‌شود. بنابراین در چنین مواردی باید از مدل‌های متناسب با ساختار فضایی استفاده شود. برای داشتن یک مدل فضایی منعطف، لازم است وابستگی و ناهمگنی فضایی با هم در نظر گرفته شوند. این در حالی است که ساختار وابستگی و ناهمگنی موجود در داده‌ها نامعلوم است و اغلب هیچ‌گونه اطلاع پیشینی هم در مورد این ساختار در دسترس نیست. در این پایان‌نامه از یک رهیافت رگرسیون موزون تکراری برای تعیین ناحیه‌های همگن تحت عنوان رژیم‌های فضایی استفاده شده است. سپس این رژیم‌ها در دسته‌ای از مدل‌های اتورگرسیو فضایی معروف به مدل‌های اقتصادسنجی فضایی، اعمال و نتیجه با عنوان مدل‌های اقتصادسنجی با رژیم فضایی درونی به داده‌ها برازش داده شده‌اند. این مدل‌ها بر اساس معیار اطلاع آکاییک با مدل رگرسیون خطی و مدل‌های اقتصادسنجی فضایی مقایسه شده‌اند؛ نتایج بیانگر عملکرد بهتر مدل‌های اقتصادسنجی با رژیم فضایی درونی هستند.