Quasi-Bayesian Inference for Production Frontiers
生产前沿的准贝叶斯推断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：摘要明确以多个极端分位数估计构造生产前沿估计与推断，直接涉及分位数方法，因此归入分位数与分布效应方向。
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…
生产前沿的准贝叶斯推断
- 研究问题
- 如何利用极端分位数信息估计生产前沿并开展有效推断？论文关注将多个第一阶段估计结合后，估计量的渐近性质与有限样本表现。
- 方法与思路
- 作者先获得多个极端分位数估计，再通过准贝叶斯方法组合以估计生产前沿；摘要同时提及渐近分析、模拟和实证应用，但未展开具体算法。
- 材料陈述的贡献
- 摘要称，论文证明所提估计量的渐近性质及推断程序的有效性，并通过模拟和实证应用展示这一准贝叶斯组合方法的有限样本表现。
- 阅读关注点
- 核对极端分位数层级如何选取、第一阶段误差如何传递到前沿推断，以及准贝叶斯组合的构造、渐近条件和模拟比较指标。
- 阅读边界
- 摘要未说明生产前沿的具体设定、样本与应用对象，也未给出组合规则、关键正则条件或性能数值，无法据此判断具体适用范围。
原文摘要
This article proposes to estimate and infer the production frontier by combining multiple first-stage extreme quantile estimates via the quasi-Bayesian method. We show the asymptotic properties of the proposed estimator and the validity of the inference procedure. The finite sample performance of our method is illustrated through simulations and an empirical application.