Estimating input allocation from heterogeneous data sources: a comparison of alternative estimation approaches
Résumé
Cet article propose l'utilisation de la méthode de l'Entropie Maximale Généralisée (GME) pour estimer la répartition des inputs (et des coûts de production) entre différents produits en utilisant des sources de données hétérogènes (données comptables agricoles et données de l'enquête pratiques culturales). L'objectif est d'explorer le rôle d'information préalable fiable (bien-définie) dans l'amélioration de la précision de l'estimation du GME. La performance de la méthode GME est comparée par la suite à une approche bayésienne -- Haute Densité Postérieure (HPD)-- afin d'évaluer leur performance lorsque d'information préalable fiable est utilisée et d'examiner leur utilité pour concilier des sources de données hétérogènes. Les deux approches sont appliquées à un réseau de données comptables agricoles qui contient des informations sur la répartition des inputs entre différents produits. Les résultats d'estimation montrent que l'utilisation d'information préalable fiable provenant de source externe à l'échantillon améliore les estimations GME même si cette performance n'est pas toujours significative. Il apparaît également que l'approche bayésienne (HPD) pourrait être une bonne alternative à l'estimateur GME. HPD fournit des résultats qui sont proches de la méthode GME avec l'avantage d'une mise en œuvre simple et transparente de l'information préalable.