Files
Abstract
We investigate biases in farm-level yield risk analysis
caused by data aggregation from the farm-level to
regional and national levels using the example of
Swiss wheat and barley yields. The estimated yield
variability decreases significantly with increasing
level of aggregation, with crop yield variability at the
farm-level being up to 2.38 times higher than indicated
from national data. Our results show furthermore
that inference on shape parameters based on aggregated
data might be misleading. Using an example of
farm yield insurance, we show that using crop yield
variability estimates from aggregated levels leads to
erroneous insurance contract specifications. Dieser Beitrag untersucht unter Verwendung Schweizer
Ertragsdaten für Weizen und Gerste potentielle Fehler,
die bei der Analyse von Ertragsrisiken durch die
Aggregation von Betriebsdaten auf regionalen oder
nationalen Niveaus entstehen. Die geschätzte Ertragsvariabilität
sinkt signifikant mit einem steigenden Aggregationsniveau,
wobei die Ertragsvariabilität auf
Betriebsebene bis zu 2,38-mal grösser seien kann, als
dies durch nationale Daten angedeutet wird. Des Weiteren
zeigen die Resultate, dass Rückschlüsse über
Schiefe und Kurtosis der Erträge, basierend auf aggregierten
Daten, irreführend sein können. Mittels eines
Versicherungsbeispiels wird zudem gezeigt, dass die
Ausgestaltung einer Versicherung, basierend auf aggregierten
Daten, zu falschen Ergebnissen führen kann.