Tobit Estimation with Unknown Point of Censoring with an Application to Milk Market Participation in the Ethiopian Highlands
Notice bibliographique
Résumé
Data augmentation is a powerful technique for estimating models with latent or missing data, but applications in agricultural economics have thus far been few. This paper showcases the technique in an application to data on milk market participation in the Ethiopian highlands. There, a key impediment to economic development is an apparently low rate of market participation. Consequently, economic interest centers on the “locations” of nonparticipants in relation to the market and their “reservation values” across covariates. These quantities are of policy interest because they provide measures of the additional inputs necessary in order for nonparticipants to enter the market. One quantity of primary interest is the minimum amount of surplus milk (the “minimum efficient scale of operations”) that the household must acquire before market participation becomes feasible. We estimate this quantity through routine application of data augmentation and Gibbs sampling applied to a random‐censored Tobit regression. Incorporating random censoring affects markedly the marketable‐surplus requirements of the household, but only slightly the covariates requirements estimates and, generally, leads to more plausible policy estimates than the estimates obtained from the zero‐censored formulation. Augmenter le nombre de données est une technique puissante permettant d'estimer les modèles pour lesquels les données manquent ou sont latentes, mais, jusqu'à présent, on n'y a guère recouru en économie rurale. L'article que void illustre une application de cette technique aux données se rapportant à la participation des producteurs au marché laitier dans les hauts plateaux de l'Éthiopie. Le faible taux de participation apparent constitue un obstacle de taille au développemenl économique de la région. Par conséquent, pour l'économiste, il est inléressanl de savoir où les « non‐participants » se trouvent par rapport au marché et de jauger leurs « réserves » en fonction des autres variables. Les valeurs de ce genre présenlenl de l'intérêt au niveau de l'élaboration des politiques, parce qu'elles donnent une idée des intrants supplémenlaires qui convaincraient les non‐participants de faire leur entrée sur le marché. Une valeur d'un intérêt primordial est le volume minimal de lait excédentaire («échelle minimale d'efficacité») que le ménage doit acquérir avant de participer au marché. On a eslimé cette valeur en appliquant la technique d'augmentation des données de la façon habituelle et en appliquant l'échanlillonnage de Gibbs à une régression Tobit censurée au hasard. L'intégration d'une censuration aléaloire affecte de maniére appréciable le volume de lait excédentaire commercialisable dont le ménage a besoin, mais ne louche que légèrement la valeur estimative des covariables requises et, en général, débouche sur des estimations plus plausibles que celles oblenues sans censuration en ce qui concerne l'élaboration des politiques.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».