A new stochastic frontier model with cross-sectional effects in both noise and inefficiency terms
噪声与无效率项均含横截面效应的新随机前沿模型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：摘要明确讨论企业间最佳实践传播及空间相关的横截面效应，与企业之间的相互影响有关，因而归入网络与干扰方向。
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
噪声与无效率项均含横截面效应的新随机前沿模型
- 研究问题
- 随机前沿模型如何同时容纳噪声与无效率中的空间相关，并区分二者可能不同的相关机制而保持估计可实施性？
- 方法与思路
- 作者构造两类误差项均允许横截面空间相关的随机前沿模型，使用最大似然和非线性最小二乘估计，并应用于挪威配电行业。
- 材料陈述的贡献
- 摘要将两种空间相关同时进入模型及便于估计作为主要创新，并提出遗漏空间变量、企业间最佳实践传播等适用场景。
- 阅读关注点
- 应核对噪声和无效率相关结构的区分方式、空间关联的设定依据，以及共同因素和企业间实践传播在模型中的具体表达。
- 阅读边界
- 仅据所给出版社摘要，无法判断两类相关性是否能在应用中可靠区分；分布假设、识别条件及行业估计结果均未说明。
原文摘要
This paper develops a new stochastic frontier model that allows for cross-sectional (spatial) correlation in both the noise and inefficiency terms, which are likely to be of a different nature. The main econometric novelty of the proposed model is that it can be estimated in a straightforward manner by maximum likelihood and non-linear least squares. The proposed model is useful when there are omitted but spatially correlated variables, the firms benefit from best practices implemented by other firms, or common factors prevent the firms to improve their performance. An application to the Norwegian electricity distribution sector is also provided.