The Impact of Perceptions in Averting‐decision Models: An Application of the Special Regressor Method to Drinking Water Choices
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle