Estimating fixed-effect panel stochastic frontier models by model transformation
通过模型变换估计固定效应面板随机前沿模型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：摘要直接研究固定效应面板模型、一阶差分和组内变换及附带参数问题。
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
通过模型变换估计固定效应面板随机前沿模型
- 研究问题
- 如何区分面板随机前沿中的个体异质性与低效率，并在非线性模型中消除固定效应，避免附带参数问题？
- 方法与思路
- 作者提出一类可解析进行一阶差分和组内变换的面板随机前沿模型，通过变换去除固定个体效应并研究估计一致性。
- 材料陈述的贡献
- 摘要称，该类模型的变换估计量不受附带参数问题影响，且在个体数趋于无穷或时间长度趋于无穷时均可获得一致性。
- 阅读关注点
- 应核对允许解析变换的模型结构、低效率与噪声设定，以及两种渐近路径下一致性成立的完整条件和估计步骤。
- 阅读边界
- 仅据所给 RePEc 出版社摘要，具体模型类与一致性条件未说明；所述结论不能推广到所有固定效应随机前沿模型。
原文摘要
Traditional panel stochastic frontier models do not distinguish between unobserved individual heterogeneity and inefficiency. They thus force all time-invariant individual heterogeneity into the estimated inefficiency. Greene (2005) proposes a true fixed-effect stochastic frontier model which, in theory, may be biased by the incidental parameters problem. The problem usually cannot be dealt with by model transformations owing to the nonlinearity of the stochastic frontier model. In this paper, we propose a class of panel stochastic frontier models which create an exception. We show that first-difference and within-transformation can be analytically performed on this model to remove the fixed individual effects, and thus the estimator is immune to the incidental parameters problem. Consistency of the estimator is obtained by either N-->[infinity] or T-->[infinity], which is an attractive property for empirical researchers.