Stochastic frontier models with random coefficients
含随机系数的随机前沿模型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：摘要通过随机生产前沿刻画企业技术可能性、技术异质性与效率。
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
含随机系数的随机前沿模型
- 研究问题
- 随机前沿模型如何区分企业技术差异与技术无效率，避免将所有企业必须具有相同技术可能性的限制强加于数据？
- 方法与思路
- 作者在随机前沿中引入随机系数，采用贝叶斯推断，并通过结合数据扩充的 Gibbs 抽样处理参数与潜在效率。
- 材料陈述的贡献
- 摘要提出允许企业技术异质性的前沿模型，发展参数和潜在效率的有限样本推断程序，并提供一个实证示例。
- 阅读关注点
- 应核对随机系数与无效率项的分布和可区分性、先验设定、抽样收敛，以及效率排序对模型假设的敏感程度。
- 阅读边界
- 仅依据所给 Crossref 摘要；技术异质性与无效率的具体识别条件、先验和应用结果未说明，不能据此确认二者已可靠分离。
原文摘要
Abstract The paper proposes a stochastic frontier model with random coefficients to separate technical inefficiency from technological differences across firms, and free the frontier model from the restrictive assumption that all firms must share exactly the same technological possibilities. Inference procedures for the new model are developed based on Bayesian techniques, and computations are performed using Gibbs sampling with data augmentation to allow finite‐sample inference for underlying parameters and latent efficiencies. An empirical example illustrates the procedure. Copyright © 2002 John Wiley & Sons, Ltd.