Asymptotic distribution of conical-hull estimators of directional edges
方向边界锥包估计量的渐近分布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：摘要研究生产效率边界的非参数统计性质，未明确涉及所列结构估计或其他细分方向。
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…
方向边界锥包估计量的渐近分布
- 研究问题
- 在规模报酬不变的生产技术下，DEA 锥包边界估计量具有怎样的收敛速度与抽样分布，如何据此开展推断？
- 方法与思路
- 作者以原点为顶点、包络投入产出样本的最小锥包估计边界，推导渐近性质并提出模拟其极限分布的方法。
- 材料陈述的贡献
- 摘要称其收敛速度优于规模报酬可变估计量，并构造偏差修正和置信区间；模拟例中报告中位平方误差改善。
- 阅读关注点
- 应核对技术集合与抽样条件、方向边界的定义、收敛率比较的适用范围，以及分布模拟和偏差修正的实现。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；具体正则条件与数值结果未提供，单个模拟例不能支持普遍优越性。
原文摘要
Nonparametric data envelopment analysis (DEA) estimators have been widely applied in analysis of productive efficiency. Typically they are defined in terms of convex-hulls of the observed combinations of inputs×outputs in a sample of enterprises. The shape of the convex-hull relies on a hypothesis on the shape of the technology, defined as the boundary of the set of technically attainable points in the inputs × outputs space. So far, only the statistical properties of the smallest convex polyhedron enveloping the data points has been considered which corresponds to a situation where the technology presents variable returns-to-scale (VRS). This paper analyzes the case where the most common constant returns-to-scale (CRS) hypothesis is assumed. Here the DEA is defined as the smallest conical-hull with vertex at the origin enveloping the cloud of observed points. In this paper we determine the asymptotic properties of this estimator, showing that the rate of convergence is better than for the VRS estimator. We derive also its asymptotic sampling distribution with a practical way to simulate it. This allows to define a bias-corrected estimator and to build confidence intervals for the frontier. We compare in a simulated example the bias-corrected estimator with the original conical-hull estimator and show its superiority in terms of median squared error.