Identifying technically efficient fishing vessels: a non‐empty, minimal subset approach
识别技术有效率的渔船：非空最小子集方法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：摘要聚焦随机前沿效率测度与子集选择，未明确涉及所列细分方向所需的研究内容。
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…
识别技术有效率的渔船：非空最小子集方法
- 研究问题
- 如何按渔船达到技术有效率的概率识别有效率群体，以及这种识别与按技术无效率分布均值排序会产生何种差异？
- 方法与思路
- 作者利用既有分布结果估计各船有效率的概率，并提出在预设概率水平下选择有效率子集的方法，比较同质与异质生产设定。
- 材料陈述的贡献
- 摘要称，该方法用于东北大西洋鲱鱼船队的39艘渔船；同质生产下出现的推断不一致，在允许生产异质性后有所缓解。
- 阅读关注点
- 应核对有效率概率的定义、非空最小子集的选择规则，以及生产异质性如何进入模型并影响与均值排序方法的比较。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断分布假设、概率校准及子集选择的统计保证；作者对传统效率指标的批评仍需全文核对。
原文摘要
Abstract Stochastic frontier models are often employed to estimate fishing vessel technical efficiency. Under certain assumptions, these models yield efficiency measures that are means of truncated normal distributions. We argue that these measures are flawed, and use the results of Horrace ( 2005 ) to estimate efficiency for 39 vessels in the Northeast Atlantic herring fleet, based on each vessel's probability of being efficient. We develop a subset selection technique to identify groups of efficient vessels at pre‐specified probability levels. When homogeneous production is assumed, inferential inconsistencies exist between our methods and the methods of ranking the means of the technical inefficiency distributions for each vessel. When production is allowed to be heterogeneous, these inconsistencies are mitigated. Copyright © 2007 John Wiley & Sons, Ltd.