کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
5091870 | 1478402 | 2014 | 11 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Contrasting imputation with a latent variable approach to dealing with missing income in choice models
ترجمه فارسی عنوان
ناسازگاری متناسب با یک رویکرد متغیر پنهان برای مقابله با درآمد گم شده در مدل های انتخابی
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
متغیرهای نامرئی، درآمد ناموفق، انتخاب گسسته، ناهمگنی تصادفی،
ترجمه چکیده
درآمد یک متغیر کلیدی در بسیاری از مدل های انتخابی است. همچنین یکی از مهمترین نمونه های یک متغیر تحت تاثیر مشکلات داده است. مسائل با درآمد ناشی از اشتباهات اندازه گیری در درآمد اساسی طبقه بندی شده، همبستگی بین درآمد اعلام شده و متغیرهای نامعمول، بیش از حد و یا بی ثبات بودن درآمد و مقادیر درآمد از دست رفته برای کسانی که حاضر به پاسخ هستند یا درآمد خود را نمی دانند، بوجود می آیند. یک رویکرد رایج برای پرداختن به خصوص درآمد از دست رفته، استفاده از جنجال بر اساس رابطه بین کسانی است که گزارش درآمد را از درآمد اعلام شده خود را برای خبرنگاران و ویژگی های اجتماعی و دموگرافی آنها گزارش شده است. تعدادی از نویسندگان نیز به تازگی یک روش متغیر پنهان شده در این موضوع را مطرح کرده اند که دارای مزایای نظری نسبت به محاسبه است و نه صرفا با توجه به داده های درآمد اعلام شده برای خبرنگاران بلکه همچنین رفتار انتخابی همه پاسخ دهندگان. ما این رویکرد را به صورت تجربی با محاسبه و روشهای ساده تر در دو مطالعه موردی متمرکز می کنیم، یکی با داده های داده شده ترجیح داده شده و یکی با داده های ترجیحی آشکار. یافته های ما نشان می دهد که حداقل داده ها در دست، رویکرد متغیر غوطه ور نتایج مشابهی را به محاسبه می دهد، احتمالا نشانه ای از عدم گزارش دهندگان درآمد با توزیع درآمد مشابه از کسانی که آن را گزارش. اما در مجموعه های داده های دیگر، مزایای بهره وری نسبت به جبران بدهی ها می تواند در تشخیص مسائل در گزارش کامل و دقیق درآمد کمک کند.
موضوعات مرتبط
علوم انسانی و اجتماعی
مدیریت، کسب و کار و حسابداری
بازاریابی و مدیریت بازار
چکیده انگلیسی
Income is a key variable in many choice models. It is also one of the most salient examples of a variable affected by data problems. Issues with income arise as measurement errors in categorically captured income, correlation between stated income and unobserved variables, systematic over- or under-statement of income and missing income values for those who refuse to answer or do not know their (household) income. A common approach for dealing especially with missing income is to use imputation based on the relationship among those who report income between their stated income for reporters and their socio-demographic characteristics. A number of authors have also recently put forward a latent variable treatment of the issue, which has theoretical advantages over imputation, not least by drawing not just on data on stated income for reporters, but also choice behaviour of all respondents. We contrast this approach empirically with imputation as well as simpler approaches in two case studies, one with stated preference data and one with revealed preference data. Our findings suggest that, at least with the data at hand, the latent variable approach produces similar results to imputation, possibly an indication of non-reporters of income having similar income distributions from those who report it. But in other data sets the efficiency advantage over imputation could help in revealing issues in the complete and accurate reporting of income.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Choice Modelling - Volume 12, September 2014, Pages 47-57
Journal: Journal of Choice Modelling - Volume 12, September 2014, Pages 47-57
نویسندگان
Nobuhiro Sanko, Stephane Hess, Jeffrey Dumont, Andrew Daly,