Statistical inference in efficient production with bad inputs and outputs using latent prices and optimal directions
含不良投入与产出的生产效率推断：潜在价格与最优方向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：摘要基于企业利润或成本优化建模，并使用美国电力企业的不平衡面板估计生产关系。
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…
含不良投入与产出的生产效率推断：潜在价格与最优方向
- 研究问题
- 如何在多投入多产出生产分析中处理不良产出、投入产出内生性和未观测生产率，并刻画企业对影子价格的响应？
- 方法与思路
- 作者在利润最大化或成本最小化约束下求方向距离函数的最优方向，估计不良产出潜在价格，并引入未观测生产率。
- 材料陈述的贡献
- 摘要称，方法放松既有约束并处理潜在内生性；美国电力企业应用中利润最大化模型表现较好，滞后生产率和能源价格影响最大。
- 阅读关注点
- 应核对最优方向与企业行为目标的关系、内生性修正和潜在价格的识别，以及不平衡面板中生产率项的处理方式。
- 阅读边界
- 所给出版社摘要未说明内生性修正的识别条件、模型比较指标或效应数值；电力企业结果的因果含义与外推范围仍待核对。
原文摘要
Researchers employ the directional distance function (DDF) to estimate multiple-input and multiple-output production, firm inefficiency, and productivity growth. We relax restrictive assumptions by computing optimal directions subject to profit maximization and cost minimization, correct for the potential endogeneity of inputs and outputs, estimate latent prices for bad outputs, measure firms’ responses to shadow prices rather than actual prices, and introduce an unobserved productivity term into the DDF. For an unbalanced panel of U.S. electric utilities, a model assuming profit-maximization outperforms one assuming cost-minimization, while lagged productivity and energy price have the greatest effect on productivity.