Estimation methods
We use four different estimation methods in order to reduce
and understand problems of non-exposure bias, selection bias,
and endogeneity bias. Incomplete awareness and tryout of
mineral fertilizer may cause non-exposure and selection bias
in our estimates (Diagne & Demont, 2007; Heckman, 1979;
Kabunga et al., 2012), while non-random program placement
and participation in program interventions may lead to endogeneity
bias.
First, we use univariate probit models to estimate the equations
on awareness, tryout, and adoption using the full sample
of observations for each adoption step. With this method, we
likely have a problem of non-exposure and selection bias in
Eqns. (2) and (3), because tryout is only possible for aware
farmers, and adoption only for tryout farmers. Due to nonawareness,
or non-tryout, some farmers cannot decide to tryout
or adopt mineral fertilizer. If these farmers are coded as
non-tryout, and/or non-adopting farmers in our analysis,
there is a possible underestimation of the marginal effects of
the explaining variables on the one hand, and a confounding
effect with factors explaining awareness or tryout on the other
hand. Moreover, there is possible selection bias throughout
the different adoption steps if aware and tryout households
have a higher (or lower) probability of tryout and adoption.
Second, we estimate Eqns. (2) and (3) using univariate probit
models on a sub-sample that is restricted to the aware
households in the tryout Eqn. (2) and to the tryout households
in the adoption Eqn. (3). This comes down to treating tryout
and adoption as unobserved for respectively non-aware and
non-tryout households. However, we still expect possible
selection bias of tryout and adoption determinants. Most commonly,
in the literature, a positive selection bias is found. This
is explained by a higher intrinsic motivation and ability among
aware farmers, resulting in a higher likelihood of adoption, or
by research and extension agents targeting farmers who are
more likely to try and adopt a technology (Diagne & Demont,
2007). Yet, selection or non-exposure bias might also be negative
if aware households have a lower probability of tryout
and adoption.
วิธีการประมาณค่าเราใช้สี่วิธีการประมาณที่แตกต่างกันเพื่อลดและเข้าใจปัญหาของการเลือกที่ไม่ลำเอียง อคติendogeneity และคติ ความรู้ที่ไม่สมบูรณ์และแบบของปุ๋ยแร่ที่อาจก่อให้เกิดการไม่มีอคติ หรือในการประมาณการของเรา ( diagne & demont , 2007 ; เฮ็กเมิน , 1979 ;kabunga et al . , 2012 ) , ในขณะที่ไม่มีโปรแกรมสุ่มตำแหน่งและการมีส่วนร่วมในโปรแกรมบำบัดอาจนำไปสู่ endogeneityคติอันดับแรก เราใช้ 2 ตัวแบบเพื่อประมาณการสมการในการรับรู้และการยอมรับแบบเต็มขนาด , ใช้จากการสังเกตการยอมรับสำหรับแต่ละขั้นตอน ด้วยวิธีนี้ เราน่าจะมีปัญหาจากการไม่มีอคติ หรือในeqns . ( 2 ) และ ( 3 ) เพราะอกุศลกรรมเป็นเพียงที่เป็นไปได้เพื่อทราบเกษตรกร และการรับเลี้ยงบุตรบุญธรรมเพียงสำหรับเกษตรกรทดลอง . เนื่องจาก nonawareness ,หรือ ไม่เดี้ยง เกษตรกรบางส่วนไม่สามารถตัดสินใจทดลองหรือใช้ปุ๋ยแร่ ถ้าเกษตรกรมีรหัสเป็นไม่เดี้ยง และ / หรือ ไม่ใช้เกษตรกร ในการวิเคราะห์ของเรามีการการประเมินค่าต่ำไปเป็นไปได้ของการเพิ่มผลของอธิบายตัวแปรในมือข้างหนึ่งและอยู่นอกเหนือการควบคุมผลกระทบต่อปัจจัยที่อธิบายการรับรู้หรือทดลองบนอื่น ๆมือ นอกจากนี้ยังมีการเลือกที่เป็นไปได้ทั้ง อคติต่างยอมรับขั้นตอนถ้าทราบและแบบครัวเรือนมีสูงกว่า ( หรือต่ำกว่า ) และความน่าจะเป็นแบบอุปถัมภ์ประการที่สอง เราประมาณการ eqns . ( 2 ) และ ( 3 ) การใช้ทั้งสองตัวรุ่นย่อยที่ถูก จำกัด ให้ทราบ ตัวอย่างครัวเรือนในแบบ eqn . ( 2 ) เพื่อทดลองและครัวเรือนในการยอมรับ eqn . ( 3 ) นี้ลงมาเพื่อปฏิบัติทดลองและการยอมรับเป็น unobserved สำหรับตามลำดับไม่ตระหนักรู้ไม่ใช่แบบครัวเรือน อย่างไรก็ตาม เรายังคาดว่าเป็นไปได้การตั้งค่าของอกุศลกรรม และปัจจัยที่มีความสัมพันธ์กับการยอมรับ มากที่สุดในวรรณคดี อคติ เลือกบวก พบว่า นี้อธิบายได้จากที่สูง และแรงจูงใจภายในกับความสามารถของเกษตรกรทราบผลในโอกาสที่สูงขึ้นของการยอมรับ หรือโดยการวิจัยและเจ้าหน้าที่ส่งเสริมเกษตรกรเป้าหมายมีแนวโน้มที่จะ ลอง และใช้ เทคโนโลยี ( diagne demont & ,2007 ) ยังไม่มีการเลือก หรืออาจจะลบ อคติถ้าครัวเรือนว่ามีความน่าจะเป็นต่ำของคณิตศาสตร์และการสอน
การแปล กรุณารอสักครู่..