African Journal of Applied Statistics

Non-response process in Bayesian modeling and application to the INVA-ENPMO database

Chellai FATIH

Full-text: Access denied (no subscription detected)

We're sorry, but we are unable to provide you with the full text of this article because we are not able to identify you as a subscriber. If you have a personal subscription to this journal, then please login. If you are already logged in, then you may need to update your profile to register your subscription. Read more about accessing full-text


In this paper, we deal with the issue of missing data, in particular in the database (ENPMO) of the national survey of the shortage in agriculture workers in Algeria carried out by the Institut National de la Vulgarisation Agricole (INVA), where the main concern is the worker's assurance. We concluded with the existence a systematic process of non-response by the farmers which were surveyed, which indirectly violated the random distribution hypothesis of missing data. By using R and Sphinx softwares, we build a logistic model in the frame of the Bayesian inference to estimate the effect of three variables : Age, Education level and the farm superficies, which ares supposed have an impact of the non-response process.


Dans cette étude, nous traitons de la problématique des données manquante, en relation avec la base de données (ENPMO) de l'Institut National de la Vulgarisation Agricole (INVA), récoltée après une enquête sur la pénurie de main d'œuvre agricole en Algérie. Après, dépouillement et analyse du volet de l'assurance de la main d’œuvre, nous avons constaté la présence d'un processus systématique de non-réponse des enquêtés (Agriculteurs), un résultat primaire qui viole l'hypothèse de distribution aléatoire de données manquantes. A l'aide des packages de logiciel R, et dans un cadre d'inférence bayésienne, nous avons construit un modèle logit afin d'estimer l'effet de trois variables : l'Age, le niveau d'instruction de l'agriculteur et la superficie de l'exploitation agricole sur les données manquantes.

Article information

Afr. J. Appl. Stat., Volume 4, Number 1 (2017), 219-229.

First available in Project Euclid: 16 May 2019

Permanent link to this document

Digital Object Identifier

Primary: 62F15: Bayesian inference 62DXX 91G70: Statistical methods, econometrics

non-response missing data survey Bayesian analysis logistic modeling


FATIH, Chellai. Non-response process in Bayesian modeling and application to the INVA-ENPMO database. Afr. J. Appl. Stat. 4 (2017), no. 1, 219--229. doi:10.16929/ajas/2017.219.211.

Export citation