Nonparametric tests of tail behavior in stochastic frontier models
随机前沿模型中尾部行为的非参数检验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：摘要讨论一般随机前沿误差分布诊断，未明确对应所列领域细分，不能仅凭尾部一词归入金融风险。
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
随机前沿模型中尾部行为的非参数检验
- 研究问题
- 研究随机前沿模型中单侧有界与双侧无界误差分量的尾部行为，检验常用薄尾分布假设是否与数据相容。
- 方法与思路
- 作者在误差分量的弱假设下推导非参数尾部检验，将其用于随机前沿分析和核反卷积密度估计，并进行模拟及数据应用。
- 材料陈述的贡献
- 摘要提出用于诊断薄尾假设的检验；四个既有数据集应用中，有两个拒绝正态或拉普拉斯等常用分布假设。
- 阅读关注点
- 应核对误差分量的独立性与尾部条件、可观测复合误差如何提供检验信息，以及阈值选择对尺寸和功效的影响。
- 阅读边界
- 仅据所给 Crossref 摘要，不能推断其他版本变化；弱假设的具体内容未说明，拒绝薄尾假设不直接确定正确的替代分布。
原文摘要
Summary This article studies tail behavior for the error components in the stochastic frontier model, where one component has bounded support on one side, and the other has unbounded support on both sides. Under weak assumptions on the error components, we derive nonparametric tests for thin‐tailed distributional assumptions imposed on these two components. The tests are useful diagnostic tools for stochastic frontier analysis and kernel deconvolution density estimation. A simulation study and applications to four previously studied datasets are provided. In two of these applications, the new tests reject the thin‐tailed distributional assumptions such as normal or Laplace, which are commonly imposed in the existing literature.