در الگوهای انتخاب دوتایی فرض بر این است که عوامل مؤثر بر وجود تمایل به پرداخت و متغیرهای اثرگذار بر سطح تمایل به پرداخت یکسان میباشند (کاوسی کلاشمی و همکاران، ۱۳۸۸).
۳-۸-۲- روش دو مرحله‌ای هکمن
این روش بر این فرض استوار است که مجموعه‌ای از متغیرهای توضیحی می‌توانند بر وجود تمایل به پرداخت اضافی برای برنج هاشمی ارگانیک تأثیرگذار باشند و مجموعه‌ای دیگر می‌توانند بر مقدار تمایل به پرداخت اضافی پس از تصمیم‌گیری اولیه تأثیر بگذارند. بنابراین، دو مجموعه مختلف از متغیرها می‌توانند در این الگو وارد شوند. چنان چه بدون توجه بدین روش و در نتیجه، عدم تفکیک متغیرها به دو گروه، همانطور که در برازش الگوهای انتخاب دوتایی لاجیت و پروبیت رایج است، اثر کل متغیرها بر میزا نتمایل به پرداخت سنجیده شود، با خطای برآورد مواجه خواهیم شد. از این رو، برای رفع این مشکل، هکمن روش دو مرحله‌ای را پیشنهاد کرد. در این روش، عواملی که می‌توانند بر تصمیم خریداران به پذیرش تمایل به پرداخت اضافی تأثیرگذار باشند، به صورت متغیرهای مستقل در الگوی پروبیت^[۹۴] وارد میشوند و عوامل مؤثر بر میزان تمایل به پرداخت اضافی خریداران نیز در مجموعه متغیرهای مستقل در الگوی رگرسیون خطی قرار می‌گیرند.
الگوهای پروبیت و رگرسیون خطی حاصل از تفکیک روش هکمن دو مرحله‌ای به ‌ترتیب، به ‌صورت روابط زیر نشان داده می‌شود (هکمن^[۹۵] ۱۹۷۶).

در الگوی فوق، Z_i بیانگر وجود یا عدم وجود تمایل به پرداخت اضافی برای هر کیلوگرم برنج هاشمی ارگانیک، Y_i* نشانگر متغیر پنهان^[۹۶]الگو، Y_i بیانگر میزان تمایل به پرداخت خریدار i ام، β و نشانگر پارامترهای الگو، که باید برآورد شوند، و X_i بیانگر متغیرهای توضیحی الگو شامل درآمد خانوار، بعدخانوار، میزان تحصیلات، سن، جنسیت و نگرش مصرف‌کنندگان نسبت به محصولات ارگانیک است. پارامترهای v_i و u_iنیز جملات خطا در الگوها محسوب می‌شوند که مستقل از متغیرهای توضیحی بوده و بر فرض توزیع نرمال با میانگین صفر و واریانس ثابت استوارند.
متغیر معکوس نسبت میل^[۹۷] است که از رابطه (۳-۲۱) بدست می‌آید(هکمن ۱۹۷۶).

در رابطه بالا، و به ‌ترتیب، بیانگر تابع چگالی و تابع توزیع و متغیر نرمال استاندارد است. در مرحله اول از روش هکمن، الگوی پروبیت با استفاده از روش حداکثر راست‌نمایی^[۹۸] برآورد می‌شود. برآورد الگوی دوم (رگرسیون خطی) با اضافه شدن یک متغیر مستقل جدید به ‌نام »معکوس نسبت میل« با استفاده از روش حداقل مربعات معمولی^[۹۹] صورت می‌گیرد؛ این متغیر جدید با استفاده از پارامترهای برآورد شده الگوی اول (پروبیت) برای کلیه مشاهدات ساخته می‌شود.
چنان که گرین نشان داده است (گرین^[۱۰۰] ۱۹۹۳)، حضور متغیر معکوس نسبت میل در الگوی رگرسیون خطی وجود واریانس ناهمسانی الگو را رفع کرده، ضرایب را نااریب و سازگار میسازد. به ‌منظور سنجش اثر تغییر در متغیر X_iبر Z_i، از کشش کل استفاده می‌شود. اثر کل تغییر در متغیر مستقل بر مقدار مورد انتظار متغیر وابسته ( Z_i ) از رابطه زیر به ‌دست می‌آید (مکدونالد و موفیت^[۱۰۱]، ۱۹۸۲):