MétaCan
Menu
Retour à la cohorte
Enregistrement W2110444057 · doi:10.1111/j.1744-7976.2001.tb00307.x

Tobit Estimation with Unknown Point of Censoring with an Application to Milk Market Participation in the Ethiopian Highlands

2001· article· en· W2110444057 sur OpenAlexvenueno aff
Garth Holloway, Jeffrey H. Dorfman, Simeon K. Ehui

Notice bibliographique

RevueCanadian Journal of Agricultural Economics/Revue canadienne d agroeconomie · 2001
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic and phenotypic traits in livestock
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTobit modelCensoring (clinical trials)CovariateEconometricsReservationWelfare economicsEconomicsMathematicsGeographyAgricultural scienceStatisticsForestryComputer science

Résumé

récupéré en direct d'OpenAlex

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,033
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,054

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,033
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,190
Écart entre enseignants0,180 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Agricultural Economics/Revue canadienne d agroeconomieMême sujetGenetic and phenotypic traits in livestockTravaux en français237 207