Latent class logits and discrete choice experiments: Implications for welfare measures
Le modèle logit à classes latentes est souvent utilisé dans les enquêtes de choix multi-attributs. Cette approche statistique prend en compte l’hétérogénéité des préférences. Toutefois, le questionnaire est souvent élaboré comme si les préférences étaient homogènes. Cet article étudie les conséquen...
Na minha lista:
| Autor principal: | |
|---|---|
| Formato: | Article ou chapitre numérique |
| Idioma: | Français |
| Publicado em: |
2015
|
| Assuntos: | |
| Acesso em linha: | Accès Université d'Orléans et IFPM Accès Université d'Orléans et IFPM |
| Resumo: | Le modèle logit à classes latentes est souvent utilisé dans les enquêtes de choix multi-attributs. Cette approche statistique prend en compte l’hétérogénéité des préférences. Toutefois, le questionnaire est souvent élaboré comme si les préférences étaient homogènes. Cet article étudie les conséquences de cette discordance sur la fiabilité des mesures du Consentement à Payer (CAP) à partir de simulations de type Monte-Carlo. Dans le protocole d’expérimentation, nous faisons varier i) le degré d’hétérogénéité et ii) la quantité d’information obtenue à partir du nombre de pseudo-répondants ou du nombre de scénarios. Les résultats montrent que les estimations ne sont pas biaisées et que la variance est relativement élevée pour chacun des scénarios envisagés. L’hypothèse nulle que le CAP est égal à zéro n’est pas rejetée, ce qui s’explique par la variance élevée. Ce résultat est obtenu même avec des scénarios qui donnent plus d’informations sur les préférences que les enquêtes qui sont actuellement menées. Les résultats de cette étude suggèrent que l’estimation d’un modèle logit à classes latentes nécessite de (i) collecter plus d’informations, (ii) collecter des informations sur les sources et/ou le niveau d’hétérogénéité des préférences et de prendre en compte ces informations pour déterminer la taille de l’échantillon ; (iii) élaborer le questionnaire de manière à obtenir des estimations plus efficientes ou (iv) adopter une stratégie combinant les trois options précédentes. |
|---|