Endogeneity in stochastic frontier models
随机前沿模型中的内生性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：摘要围绕生产前沿中投入、技术噪声与无效率的关系讨论模型估计。
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…
随机前沿模型中的内生性
- 研究问题
- 如果生产投入与随机噪声或无效率相关，随机前沿模型常用估计方法依赖的外生性条件会受到怎样的影响？
- 方法与思路
- 摘要从最大似然和修正普通最小二乘估计的一致性要求出发，讨论一个或多个投入具有联立方程意义内生性的情形。
- 材料陈述的贡献
- 摘要明确将随机前沿中的内生性问题区分为投入与噪声、投入与无效率的相关；但未陈述具体的新估计程序或理论结果。
- 阅读关注点
- 应核对全文如何分别处理投入与两类误差成分的相关性，是否提出识别限制和修正估计，以及这些方法的适用范围。
- 阅读边界
- 仅依据所给出版社摘要，未核对其他版本；该摘要主要描述研究议题，未说明解决方法、证明、模拟或实证结果，不能推断其效果。
原文摘要
Stochastic frontier models are typically estimated by maximum likelihood (MLE) or corrected ordinary least squares. The consistency of either estimator depends on exogeneity of the explanatory variables (inputs, in the production frontier setting). We will investigate the case that one or more of the inputs is endogenous, in the simultaneous equation sense of endogeneity. That is, we worry that there is correlation between the inputs and statistical noise or inefficiency.