Estimating the Value of Statistical Life in a Road Safety Context Based on the Contingent Valuation Method
Notice bibliographique
Résumé
A cost-benefit analysis in a road safety context fundamentally analyzes the advantage of higher safety or lower risk. It can help determine if increasing spending on road safety programs is cost-effective. This study estimates the value of statistical life (VSL)—the amount of money that might be justified to save one person’s life. The VSL is calculated using the willingness to pay (WTP) data obtained through a contingent valuation survey. Three discrete choice models are developed: log-logistic, log-normal, and Weibull. The log-logistic model outperforms the log-normal and Weibull models, comparing Akaike’s Information Criterion (AIC) and Bayesian Information Criterion (BIC) values. We consider the log-logistic model’s mean and median WTP values to estimate the VSL value in the Ethiopian road transport safety context. The VSL estimate in the Ethiopian road transport safety context is 53.52 million ETB (USD 1.07 million). The respondents’ median WTP is ETB 714.44 (USD 14.23). Although the study is in Ethiopia, the findings can be applied to other low- and middle-income countries (LMICs) for the same purpose with modifications. The research findings will aid in a better understanding of the economic efficiencies of increased spending on road safety initiatives. Future research could compare current trends in road safety investment to the amount that should be spent based on the economic justifications from this study.
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 | 0,008 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».