SEARCH

SEARCH BY CITATION

A researcher interested in crop yield risk analysis often has to contend with a lack of field- or farm-level data. While spatially aggregated yield data are often readily available from various agencies, aggregation distortions for farm-level analysis may exist. This paper addresses how much aggregation distortion might be expected and whether findings are robust across wheat, canola and flax grown in two central Canadian production regions, differing mainly by rainfall, frost-free growing days and soil type. Using Manitoba Crop Insurance Corporation data from 1980 to 1990, this research, regardless of crop or region analyzed, indicates that (i) spatial patterns in risk are absent; (ii) use of aggregate data overwhelmingly under-estimates field-level yield risk; and (iii) use of a relative risk measure compared to an absolute risk measure leads to slightly less aggregation distortion. Analysts interested in conducting farm-level analysis using aggregate data are offered a range of adjustment factors to adjust for potential bias.

Un chercheur qui s'intéresse à l'analyse du risque du rendement des cultures doit souvent composer avec un manque de micro-données provenant de l'exploitation. Bien qu'il soit possible d'obtenir des données sur les rendements spatialement cumulées auprès de divers organismes, ces données peuvent comporter des distorsions importantes dues à l'agrégation des données de base et être trompeuses si elles sont utilisées pour effectuer des analyses à l'échelle de l'exploitation. Le présent article traite de la quantité de distorsion due à l'agrégation à laquelle on doit s'attendre et examine si les résultats obtenus pour le blé, le canola et le lin dans deux principales régions productrices canadiennes, où les précipitations, les jours de croissance sans gel et le type de sol constituent les principales différences, sont robustes ou non. À l'aide des données obtenues auprès de la Société d'assurance-récolte du Manitoba pour la période 1980–1990, la présente étude, sans égard à la culture ou à la région analysée, indique (i) que les profils régionaux en matière de risque n'existent pas; (ii) que l'utilisation de données agrégées sous-estime considérablement le risque de rendement; (iii) que l'utilisation d'une mesure du risque relatif comparativement à une mesure du risque absolu entraîne légèrement moins de distorsion d'agrégation. Afin d'ajuster les données pour minimiser un biais éventuel, nous proposons une gamme de facteurs d'ajustement aux analystes intéressés à effectuer des analyses à l'échelle des exploitations à l'aide de données agrégées.