WHEN BIAS KILLS THE VARIANCE: CENTRAL LIMIT THEOREMS FOR DEA AND FDH EFFICIENCY SCORES
当偏差压倒方差：DEA 与 FDH 效率得分的中心极限定理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：摘要聚焦生产效率得分的极限理论，未提供与所列细分方向直接对应的充分信息。
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…
当偏差压倒方差：DEA 与 FDH 效率得分的中心极限定理
- 研究问题
- 为何 DEA 与 FDH 个体效率得分的平均值不能直接采用通常的中心极限定理，平均效率应如何进行统计推断？
- 方法与思路
- 作者分析在随机评价点计算效率估计量所带来的偏差问题，为平均 DEA 和 FDH 得分建立新的中心极限定理。
- 材料陈述的贡献
- 摘要称，个体得分偏差使常规中心极限定理失效；文章发展平均得分的新极限理论，并用蒙特卡洛实验考察推断。
- 阅读关注点
- 应核对偏差、方差与协方差的阶数比较，新定理的中心化及标准化方式，以及生产前沿和样本维度的要求。
- 阅读边界
- 仅据所给 Crossref 摘要，不能判断新推断方法的实施细节；摘要未说明定理条件和模拟数值，也不推断刊本变化。
原文摘要
Data envelopment analysis (DEA) and free disposal hull (FDH) estimators are widely used to estimate efficiencies of production units. In applications, both efficiency scores for individual units as well as average efficiency scores are typically reported. While several bootstrap methods have been developed for making inference about the efficiencies of individual units, until now no methods have existed for making inference about mean efficiency levels. This paper shows that standard central limit theorems do not apply in the case of means of DEA or FDH efficiency scores due to the bias of the individual scores, which is of larger order than either the variance or covariances among individual scores. The main difficulty comes from the fact that such statistics depend on efficiency estimators evaluated at random points. Here, new central limit theorems are developed for means of DEA and FDH scores, and their efficacy for inference about mean efficiency levels is examined via Monte Carlo experiments.