Stochastic Frontier meets Breakdown Frontier
随机前沿模型与失效边界分析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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要以潜在无效率与噪声结构决定的随机前沿技术效率为研究对象，对模型假设进行敏感性分析，最接近结构估计方向。
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…
关注这篇论文的作者
随机前沿模型与失效边界分析
- 研究问题
- 随机前沿模型的潜在无效率和噪声假设若被放松，条件技术效率结论还能成立到什么程度，何处开始失效？
- 方法与思路
- 作者放松无效率与噪声的基准假设，刻画技术效率对象的界限，推导失效边界及其估计推断，并覆盖三类常用误差结构。
- 材料陈述的贡献
- 摘要称，研究为随机前沿技术效率结论提供敏感性分析与失效边界，展示数据应用和实现代码，并讨论若干进一步扩展方向。
- 阅读关注点
- 应核对被放松的具体假设、敏感性参数与效率界限的关系，以及失效边界对应何种结论、如何处理估计不确定性。
- 阅读边界
- 所给版本为 arXiv 预印本，不能据此认定已同行评审或获期刊接收；摘要未说明完整约束和结果，面板及输入外生性放松仅列为扩展方向。
原文摘要
This paper studies sensitivity analysis in stochastic frontier models by developing relaxations of the baseline assumptions imposed on the latent inefficiency and noise components, and characterize bounds for a benchmark technical-efficiency object under such relaxations. We then derive the associated breakdown frontier for conclusions about conditional technical efficiency and illustrate the procedure using a well-known dataset. We show the estimation and inference of the breakdown frontier. We also extend the analysis for widely used alternative specifications of the stochastic frontier error structure, that is, the Normal-Truncated Normal, Normal-Exponential, and Normal-Half Normal cases. Finally, we suggest avenues for extending this analysis under heteroskedasticity, the relaxation of input exogeneity, and applications using panel data. Code for empirical implementation is also provided.