Semiparametric Bayesian inference for stochastic frontier models
随机前沿模型的半参数贝叶斯推断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：摘要明确以美国医院面板数据估计成本前沿，但未说明具体面板效应设定。
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
随机前沿模型的半参数贝叶斯推断
- 研究问题
- 在随机前沿与效率测量中，如何灵活描述无效率项的分布，并允许效率分布随企业特征发生变化？
- 方法与思路
- 作者通过 Dirichlet 过程先验非参数地建模无效率分布，设计先验与 MCMC 采样，并应用于医院成本前沿。
- 材料陈述的贡献
- 摘要提出可容许效率分布随企业特征变化的半参数贝叶斯框架，并使用三百八十二家美国医院的面板数据展示应用。
- 阅读关注点
- 应核对无效率与其他误差成分的区分条件、先验敏感性、采样收敛，以及医院面板中的时间与个体结构。
- 阅读边界
- 仅据所给作者／机构库版本摘要，未核对刊本变化；摘要未说明前沿识别条件、面板依赖处理或效率估计的具体结果。
原文摘要
In this paper we propose a semiparametric Bayesian framework for the analysis of stochastic frontiers and efficiency measurement. The distribution of inefficiencies is modelled nonparametrically through a Dirichlet process prior. We suggest prior distributions and implement a Bayesian analysis through an efficient Markov chain Monte Carlo sampler, which allows us to deal with practically relevant sample sizes. We also allow for the efficiency distribution to vary with firm characteristics. The methodology is applied to a cost frontier, estimated from a panel data set on 382 U.S. hospitals.