Stationary Points for Parametric Stochastic Frontier Models
参数随机前沿模型的驻点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：摘要聚焦随机前沿似然的驻点与分布假设，未提供足以对应所列结构估计等细分方向的经济结构或应用信息。
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…
关注这篇论文的作者
参数随机前沿模型的驻点
- 研究问题
- 参数随机前沿模型中，无效率分布的方差趋于零时，似然出现驻点需要哪些条件，驻点稳定性与“错误偏度”现象如何刻画？
- 方法与思路
- 作者用 Dirac δ 理论推广正态—半正态模型的既有驻点结果，并针对常见参数分布假设，通过推导或模拟分析相关性质。
- 材料陈述的贡献
- 摘要称给出了确保无效率方差趋零时似然出现驻点的分布无关条件，并讨论稳定性、“错误偏度”、识别与更一般模型的扩展。
- 阅读关注点
- 核对驻点对应的参数化及边界极限、分布无关条件的具体内容，以及稳定性和“错误偏度”结果哪些来自证明、哪些来自模拟。
- 阅读边界
- 摘要未给出具体条件、稳定性的定义或识别结论，不能把驻点等同于似然最大值，也不能据此判断估计量或数值算法的表现。
原文摘要
Stationary point results on the normal–half-normal stochastic frontier model are generalized using the theory of the Dirac delta, and distribution-free conditions are established to ensure a stationary point in the likelihood as the variance of the inefficiency distribution goes to zero. Stability of the stationary point and “wrong skew” results are derived or simulated for common parametric assumptions on the model. We discuss identification and extensions to more general stochastic frontier models.