Some models for stochastic frontiers with endogeneity
若干具有内生性的随机前沿模型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：摘要研究随机生产前沿与无效率的结构建模，并明确区分时间不变效应和时变效率，支持结构估计与微观面板分类。
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…
若干具有内生性的随机前沿模型
- 研究问题
- 当单侧无效率项或特异误差与解释变量相关时，如何设定和估计随机前沿模型，并同时容纳时间不变效应与随时间变化的效率？
- 方法与思路
- 作者主要采用贝叶斯估计，先以 Chamberlain–Mundlak 装置关联个体效应变换与解释变量，再加入时变单侧误差或工具变量方程和一般协方差结构。
- 材料陈述的贡献
- 摘要提出处理两类误差内生性的随机前沿模型，并展示两种扩展：允许时变效率，以及通过工具变量方程容纳更一般相关性；应用于菲律宾水稻数据。
- 阅读关注点
- 应核对效应变换、无效率项分布与先验设定，以及工具变量方程的识别条件；区分各模型如何处理内生性和效率随时间变化。
- 阅读边界
- 仅据所列出版社摘要，无法判断工具变量有效性、分布限制或后验敏感性；摘要未给出水稻应用的具体结果，也未说明哪种模型表现更好。
原文摘要
We consider mostly Bayesian estimation of stochastic frontier models where one-sided inefficiencies and/or the idiosyncratic error term are correlated with the regressors. We begin with a model where a Chamberlain–Mundlak device is used to relate a transformation of time-invariant effects to the regressors. This basic model is then extended in two directions: first an extra one-sided error term is added to allow for time-varying efficiencies. Second, a model with an equation for instrumental variables and a more general error covariance structure is introduced to accommodate correlations between both error terms and the regressors. An application of the first and second models to Philippines rice data is provided.