Binary endogenous treatment in stochastic frontier models with an application to soil conservation in El Salvador
随机前沿模型中的内生二元处理：萨尔瓦多土壤保护应用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：摘要同时研究生产前沿与无效率的模型估计，以及借助工具变量处理项目参与内生性，对应结构估计和因果推断。
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…
随机前沿模型中的内生二元处理：萨尔瓦多土壤保护应用
- 研究问题
- 当项目参与是可能内生的二元处理，且同时影响生产前沿与无效率时，如何估计随机前沿模型并评估项目效果？
- 方法与思路
- 作者以工具变量定义处理分配机制，显式建模两阶段误差的密度，对前沿和无效率均依赖处理的模型进行最大似然估计。
- 材料陈述的贡献
- 摘要提出处理内生二元参与的随机前沿估计框架，并用萨尔瓦多土壤保护项目数据提供经验分析，未报告具体效果数值。
- 阅读关注点
- 应核对工具变量的有效性论证、处理分配机制、误差联合分布设定，以及处理对前沿和无效率的影响如何区分。
- 阅读边界
- 仅据所给 Crossref 摘要，工具变量、具体分布假设和项目效果均未说明，无法判断识别可信度或估计对模型设定的敏感性。
原文摘要
Summary Numerous programs exist to promote productivity, alleviate poverty, and enhance food security in developing countries. Stochastic frontier analysis can be helpful to assess their effectiveness. However, challenges can arise when accounting for treatment endogeneity, often intrinsic to these interventions. We study maximum likelihood estimation of stochastic frontier models when both the frontier and inefficiency depend on a potentially endogenous binary treatment. We use instrumental variables to define an assignment mechanism and explicitly model the density of the first and second‐stage error terms. We provide empirical evidence using data from a soil conservation program in El Salvador.