Maximum likelihood estimation of stochastic frontier models with endogeneity
存在内生性的随机前沿模型之极大似然估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要以生产前沿和技术效率为经济结构对象，并通过误差分解、控制函数与似然进行估计。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
存在内生性的随机前沿模型之极大似然估计
- 研究问题
- 在横截面随机前沿模型中，当投入和环境变量与复合误差相关时，如何估计模型参数及技术效率并处理内生性？
- 方法与思路
- 作者以控制函数充分捕捉相关性，假设给定控制函数后两误差成分独立、无效率项服从折叠正态分布，推导闭式似然。
- 材料陈述的贡献
- 摘要称该方法推广含内生性的正态—半正态前沿模型，并提供技术效率估计、部分渐近性质及尼泊尔农户应用。
- 阅读关注点
- 应核对控制函数的构造与充分性、条件独立和折叠正态假设的经济含义，以及技术效率估计对分布设定的敏感性。
- 阅读边界
- 仅据所给出版社摘要；计算快和易实施是作者陈述，摘要未提供性能数值，也不能据此判断分布误设下的稳健性。
原文摘要
We propose and study a maximum likelihood estimator of stochastic frontier models with endogeneity in cross-section data when the composite error term may be correlated with inputs and environmental variables. Our framework is a generalization of the normal half-normal stochastic frontier model with endogeneity. We derive the likelihood function in closed form using three fundamental assumptions: the existence of control functions that fully capture the dependence between regressors and unobservables; the conditional independence of the two error components given the control functions; and the conditional distribution of the stochastic inefficiency term given the control functions being a folded normal distribution. We also provide a Battese–Coelli estimator of technical efficiency. Our estimator is computationally fast and easy to implement. We present some of its asymptotic properties, and we showcase its finite sample behavior in Monte-Carlo simulations and an empirical application to farmers in Nepal.