The Implications of Using Messy Data to Estimate Production-Frontier-Based Technical Efficiency Measures
使用杂乱数据估计基于生产前沿的技术效率：影响与后果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：摘要聚焦生产前沿与效率诊断，给定细分没有直接对应项，也未明确说明结构性行为模型，现有证据不足以强行归类。
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…
使用杂乱数据估计基于生产前沿的技术效率：影响与后果
- 研究问题
- 使用工厂生产与财务数据估计技术效率时，不同生产前沿方法是否识别相同的高低效观测，异常值诊断能否解释排序差异？
- 方法与思路
- 作者在工厂层面使用生产前沿函数设定，并对单个观测及观测子集实施异常值诊断，以衡量其在效率分析中的相对影响。
- 材料陈述的贡献
- 摘要称，该研究的异常值诊断与前沿模型一致识别出同一组高效和低效观测，并帮助解释不同前沿设定下的排序差异。
- 阅读关注点
- 核对前沿设定、数据处理与异常值判别标准，区分单个观测和观测子集的影响，并检查效率排序差异如何得到解释。
- 阅读边界
- 摘要未说明前沿模型形式、杂乱数据的具体问题或效率真值依据；所述诊断一致性是该研究的陈述，不能推断普遍适用。
原文摘要
An empirical study of efficiency at the plant level, requiring production and financial data, was done using frontier function specifications. It is not evident from the implementation of the production-frontier models that different methodologies will consistently flag the same observations as being efficient or inefficient. As a result, outlier diagnostics for individual observations and for subsets of observations are used to achieve a relative index of influentiality within the spectrum of efficiency. These outlier diagnostic tests consistently flag the same subset of efficient and inefficient observations as the frontier models and additionally clarify ranking discrepancies among the frontier model specifications.