Identifying risk in production agriculture: an application of best-worst scaling

The identification and management of risk plays a significant role in reducing variability in farm income. The choice of risk management tools and strategies may depend on several factors, including the perceived importance of the risk and the perceived level of control that producers have in managing the risk. This study uses data from a 2017 survey of grain and oilseed farmers in Saskatchewan and employs a count-based approach of best-worst scaling and latent class cluster analysis to examine their perception of the most important sources of risk and the factors that influence these perceptions. The results suggest production and marketing risks, such as variation in output prices, rainfall variability, and changes in input prices, are the most important risks to farmers. However, results also reveal heterogeneity in responses to these identified risks, suggesting that a multifaceted approach is needed by farmers to address risk.

LATENT CLASS CLUSTER ANALYSIS UNTUK PENGELOMPOKAN KABUPATEN/KOTA DI PROVINSI JAWA TENGAH BERDASARKAN INDIKATOR INDEKS PEMBANGUNAN MANUSIA 2017

Pembangunan merupakan salah satu upaya untuk meningkatkan kesejahteraan dan kemakmuran masyarakat, dengan kedudukan manusia menjadi topik sentra dalam tiap perolehan program pembangunan. Keberhasilan pembangunan suatu bangsa ditentukan oleh ketersediaan Sumber Daya Manusia (SDM) yang berkualitas. Untuk mengukur suatu keberhasilan pembangunan manusia suatu bangsa salah satu indikator yang digunakan adalah Indeks Pembangun Manusia (IPM). IPM di Provinsi Jawa Tengah mengalami peningkatan setiap tahunnya. Pada tahun 2017 pembangunan manusia di Provinsi Jawa Tengah mengalami kenaikan status dari status “sedang” menjadi status “tinggi” yaitu sebesar 70,52 persen. Salah satu permasalahan pembangunan di Jawa Tengah adalah tinggi rendahnya Indeks Pembangunan Manusia (IPM) hanya ditunjukkan melalui indeks komposit, tetapi tidak ditunjukkan indikator mana yang dominan terhadap tinggi rendahnya peringkat Indeks Pembangunan Manusia (IPM). Maka pengelompokan dan pengklasifikasian wilayah kabupaten/kota di Provinsi Jawa Tengah perlu dilakukan sehingga dapat menunjukkan indikator mana yang dominan terhadap tinggi rendahnya peringkat IPM. Latent Class Cluster Analysis merupakan salah satu metode untuk mengklasifikasikan kabupaten/kota. Hasil dari penelitian mendapatkan 2 kelompok. Kelompok pertama terdiri dari kabupaten atau kota yang memiliki pembangunan manusia rendah. Kelompok kedua terdiri dari kabupaten atau kota yang memiliki pembangunan manusia tinggi.

Latent class cluster analysis

This paper describes the technique of exploratory latent class cluster analysis. The classical analysis is a model-based statistical approach for identifying unobserved subgroups from observed categorical data and for classifying cases into the identified subgroups based on membership probabilities estimated directly from the statistical model. In the first part on mathematical modeling of the paper, we introduce the data and the sampling distribution for the data as required in the analysis of latent classes, the fundamental model assumptions are reviewed, and the general unrestricted latent class model is presented. Classification of cases into the clusters using modal assignment is discussed. In the second part on inferential statistics of the paper, we briefly review the classical maximum likelihood methodology related to parameter estimation and model testing, and the information criteria AIC and SIC for model selection. In the third part on case study of the paper, the General Social Survey data are analyzed using the software Latent GOLD®. We present the Latent GOLD® profile plot and tri plot options for the graphical representation of the results. The Latent GOLD® classification output illustrating the assignment of respondents to the latent survey respondent types is also shown.