MétaCan
Menu
Retour à la cohorte
Enregistrement W2278882141 · doi:10.1093/ajae/aav046

The Impact of Perceptions in Averting‐decision Models: An Application of the Special Regressor Method to Drinking Water Choices

2015· article· en· W2278882141 sur OpenAlexaboutno aff
Christophe Bontemps, Céline Nauges

Notice bibliographique

RevueAmerican Journal of Agricultural Economics · 2015
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Environmental Valuation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEndogeneityValuation (finance)Revealed preferenceEconometricsOrdered probitProbit modelDiscrete choiceContingent valuationMultivariate probit modelWillingness to payActuarial sciencePerceptionRisk perceptionEmpirical researchBivariate analysisEconomicsMicroeconomicsStatisticsPsychologyMathematics

Résumé

récupéré en direct d'OpenAlex

Households' monetary valuation of water quality is a prerequisite for efficient water resource management and the valuation of water quality protection policies. Individuals are commonly questioned about their perception of risk in valuation surveys based on stated‐preference methods and revealed‐preference methods such as averting‐behavior models. These subjective and often discrete measures are commonly used to explain individuals' actions to protect themselves against these risks. Perceptions appear as endogenous variables in traditional theoretical averting‐decision models but, quite surprisingly, endogeneity of perceived risk is not always controlled for in empirical studies. In this article, we argue that perceptions have to be treated as endogenous to averting decisions in order to produce accurate and reliable measures of households' valuation of water quality improvements. We present various binary averting decision models featuring an endogenous discrete variable (such as risk perception). In particular, we compare the traditional bivariate probit model with the special regressor model, which is less well‐known and relies on a different set of assumptions. In the empirical illustration using household data from Australia, Canada, and France, we study how the perceived health impacts of tap water affect a household's decision to drink water from the tap. Individuals' perceptions are found to be endogenous and significant for all models, but the estimated marginal effect is sensitive to the chosen model. Our empirical application also includes some tests of the special regressor estimator's sensitivity to underlying assumptions.

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)0,017
score de la tête « metaresearch » (Gemma)0,046
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 enseignants0,017
Score d'incertitude au seuil0,088

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,046
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,002
Communication savante0,0020,002
Science ouverte0,0020,002
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,057
Tête enseignante GPT0,273
Écart entre enseignants0,216 · 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

Citations47
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Agricultural EconomicsMême sujetEconomic and Environmental ValuationTravaux en français237 207