“When, Where, and How” of Efficiency Estimation: Improved Procedures for Stochastic Frontier Modeling
效率估计的“何时、何地与如何”：随机前沿建模的改进程序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：摘要以随机前沿和潜在无效率结构为核心，并处理内生性，直接关联经济效率的结构估计。
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…
关注这篇论文的作者
效率估计的“何时、何地与如何”：随机前沿建模的改进程序
- 研究问题
- 随机前沿模型如何同时处理前沿函数形式、误差分量分布、内生性与形状约束，从而使效率估计更具实际可操作性？
- 方法与思路
- 作者扩展平滑混合回归与分数多项式近似来建模前沿及无效率结构，使用 Copula 处理内生性，以序贯蒙特卡洛探索后验。
- 材料陈述的贡献
- 摘要称，文章为这些相互关联的建模问题提供实用方案，并通过详细计算实验及美国银行应用展示扩展模型的使用。
- 阅读关注点
- 核对前沿与无效率的参数化、单调性和曲率约束的实现、Copula 处理内生性的识别依据，以及后验计算的稳定性。
- 阅读边界
- 摘要未说明识别条件、约束落实方式或效率改进数值，不能确认统一优越性；OpenAlex 摘要版本未注明，无法核实刊本变化。
原文摘要
The issues of functional form, distributions of the error components, and endogeneity are for the most part still open in stochastic frontier models. The same is true when it comes to imposition of restrictions of monotonicity and curvature, making efficiency estimation an elusive goal. In this article, we attempt to consider these problems simultaneously and offer practical solutions to the problems raised by Stone and addressed by Badunenko, Henderson and Kumbhakar. We provide major extensions to smoothly mixing regressions and fractional polynomial approximations for both the functional form of the frontier and the structure of inefficiency. Endogeneity is handled, simultaneously, using copulas. We provide detailed computational experiments and an application to U.S. banks. To explore the posteriors of the new models we rely heavily on sequential Monte Carlo techniques.