Sample selection with binary engonenoux variable: a Bayesian analysis of participation to timber auctions
Résumé
Nous proposons un algorithme bayésien MCMC (Metropolis-Gibbs Monte Carlo Markov Chain) pour estimer les paramètres d’un modèle de sélection dans lequel l’équation de sélection comporte une variable explicative binaire endogène, en utilisant un modèle de trois équations simultanées. Nous appliquons notre méthodologie à la participation dans les enchères de bois dans lesquelles certains lots ne sont pas soumissionnés (ces lots sont censurés), d’autres reçoivent une offre (pas de concurrence) et les autres 2 offres ou plus. Nous trouvons que l’algorithme MCMC donne des résultats stables pour plusieurs spécifications du modèle, alors que la procédure de sélection de Heckman ne donne pas de résultats fiables pour le coefficient associé à la variable binaire endogène, ni pour le coefficient de corrélation.