تعداد نشریات | 161 |
تعداد شمارهها | 6,572 |
تعداد مقالات | 71,031 |
تعداد مشاهده مقاله | 125,501,186 |
تعداد دریافت فایل اصل مقاله | 98,764,540 |
برآورد مدلهای ارزشگذاری مشروط با انتخاب دوگانة دوبعدی با استفاده از مدلهای رگرسیونی پروبیت بهظاهر نامرتبط | ||
تحقیقات اقتصاد و توسعه کشاورزی ایران | ||
مقاله 6، دوره 44، شماره 2، شهریور 1392، صفحه 245-258 اصل مقاله (484.8 K) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/ijaedr.2013.36722 | ||
نویسنده | ||
مرتضی مولایی* | ||
استادیار گروه اقتصاد کشاورزی، دانشکدۀ کشاورزی، دانشگاه ارومیه | ||
چکیده | ||
با وجود مباحث زیادی که علیه استفاده از ارزشگذاری مشروط در برآورد ارزشهای غیر بازاری مطرح میشود، این روش بسیار استفاده شده است. از بین روشهای مختلف استخراج در ارزشگذاری مشروط، به روش انتخاب دوتایی (DC)[1] توجه ویژهای شده است. دو نوع روش انتخاب دوتایی وجود دارد: انتخاب دوتایی یکبعدی (SBDC)[2] و انتخاب دوتایی دوبعدی (DBDC)[3]. کارایی روش DBDC از روش SBDC بیشتر است. در بیشتر مطالعات ارزشگذاری مشروط در ایران، از روش DBDC استفاده شده و تحلیل آنها با استفاده از الگوی لوجیت انجام گرفته است که کارایی روش DBDC را بالا نمیبرد. هدف این مطالعه تحلیل دادههای DBDC با استفاده از مدل پروبیت بهظاهر نامرتبط است. برای این منظور پرسشنامة ارزشگذاری مشروط DBDC برای برآورد تمایل به پرداخت افراد برای حفاظت از گل سوسن چلچراغ طراحی و از سوی 177 سرپرست خانوار در سال 1390 در مرکز استان گیلان تکمیل شد. تحلیل دادهها به دو صورت مدلهای مقید و غیرمقید انجام شد که در مدل مقید محدودیت برابربودن ضرایب متغیرها در دو مدل اعمال شد. نتایج نشان میدهد که در مدل مقید تعداد متغیرهای معنیدار بیشتر از مدل غیرمقید است؛ همچنین تمایل به پرداخت (WTP)[4] با استفاده از مدل اول (مدلی که متغیر وابستة آن پاسخ به پیشنهاد اول است) و دوم (مدلی که متغیر وابستة آن پاسخ به پیشنهاد دوم است) در مدل غیرمقید به ترتیب 6650 ریال و 6963 ریال و با استفاده از مدل مقید 7225 ریال است. پیشنهاد میشود محققان ارزشگذاری مشروط در مطالعات خود برای تحلیل دادههای DBDC بهمنظور دستیابی به برآوردهای کاراتر از مدلهای پروبیت بهظاهر نامرتبط استفاده کنند. | ||
کلیدواژهها | ||
ارزشگذاری مشروط؛ انتخاب دوگانة دوبعدی؛ پروبیت بهظاهر نامرتبط JEL: Q26 | ||
عنوان مقاله [English] | ||
Estimating Double-Bounded Dichotomous Choice Contingent Valuation Models Using Seemingly Unrelated Bivariate Probit Regressions | ||
نویسندگان [English] | ||
MORTEZA MOLAEI | ||
Assistant Professor, Faculty of Agriculture, University of Urmia | ||
چکیده [English] | ||
Despite controversy, the contingent valuation method (CVM) is widely used for non-market valuation. Among elicitation methods of CVM, the dichotomous choice (DC) has been paid attention. There are two types of DC methods: Single-Bounded DC (SBDC) and Double-Bounded DC (DBDC). DBDC is more efficient than SBDC. Many of CVM studies in Iran used DBDC but data analyses were done by Logit model; that do not raise the efficiency of DBDC. The purpose of this study is to analyze DBDC data using Seemingly Unrelated Bivariate Probit Regression. To do this, the DBDC CVM questionnaire designed to estimate willingness to pay (WTP) for preserving Lilium ledebourii used; and filled in the center of Guilan province by 177 respondents in 1390. Data analysis was done in two ways: restricted and unrestricted in which in restricted models the equality of parameters in two models were imposed. Results showed that number of significant variables is much more using restricted model than unrestricted model. Also, WTP using first (model in which its dependent variable is the response to the first offered bid) and second (model in which its dependent variable is the response to the second offered bid) unrestricted models are 6650 and 6963 Rls, respectively and is 7225 Rls using restricted model. It’s proposed that the researchers of CVM use Seemingly Unrelated Bivariate Probit Regression to analyze DBDC data for acquiring efficient estimates. | ||
کلیدواژهها [English] | ||
contingent valuation, double bounded dichotomous choice, JEL: Q26, seemingly unrelated bivariate probit | ||
آمار تعداد مشاهده مقاله: 3,965 تعداد دریافت فایل اصل مقاله: 1,677 |