مقایسه ی کارایی آماری روش استخراج دوگانه ی یک بعدی با دوگانه ی دوبعدی در ارزش گذاری مشروط
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 82
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJAEDR-53-4_012
تاریخ نمایه سازی: 30 اردیبهشت 1402
چکیده مقاله:
ارزش گذاری مشروط یکی از روش های استانداردی است که برای برآورد ارزش کالاها و خدمات غیربازاری مورد استفاده قرار می گیرد. در کشور ما نیز این روش در طی چند سال اخیر خیلی زیاد به کار گرفته شده است. مطالعات بسیار زیادی با روش استخراج DBDC طراحی شده ولی تحلیل داده های آن ها با استفاده از مدل لوجیت که برای تحلیل داده های روش استخراج SBDC مناسب است، انجام شده است. تعداد کمی از مطالعات هم وجود دارند که به صورت SBDC طراحی و تحلیل داده های آن ها با استفاده از مدل لوجیت صورت گرفته است. هدف از استفاده از روش DBDC بالابردن کارایی برآوردها است، ولی وقتی تحلیل داده ها با استفاده از لوجیت انجام می شود، کارایی افزایش نمی یابد. بنابراین، در این مطالعه داده های SBDC با استفاده از مدل لوجیت و داده های DBDC با استفاده از مدل های به ظاهر نامرتبط پروبیت تحلیل شده و کارایی آماری برآوردها مقایسه شد. نتایج نشان داد که واریانس ضرایب تمامی متغیرها در مدل پروبیت به ظاهر نامرتبط کمتر از مدل لوجیت است. همچنین، مبلغ تمایل به پرداخت در روش SBDC و DBDC به ترتیب ۶۵۲۴ و ۶۴۳۷ ریال برآورد گردید؛ و فاصله اطمینان تمایل به پرداخت برآورد شده در روش DBDC کمتر از SBDC است. پیشنهاد می شود، چنانچه از روش استخراج DBDC برای برآورد تمایل به پرداخت استفاده می شود، تحلیل داده ها با استفاده از مدل پروبیت به ظاهر نامرتبط انجام شود.
کلیدواژه ها:
نویسندگان
مرتضی مولائی
دانشیار اقتصاد کشاورزی، گروه اقتصاد کشاورزی، دانشکده کشاورزی، دانشگاه ارومیه، ارومیه، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :