Nonparametric estimation of concave production technologies by entropic methods
基于熵方法的凹生产技术非参数估计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：摘要聚焦凹生产函数的非参数估计，未交代所列细分方向中的结构识别或其他直接对应内容。
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…
基于熵方法的凹生产技术非参数估计
- 研究问题
- 如何在不预设生产函数参数形式的情况下估计满足凹性限制的生产技术，并使该方法能够应用于不同规模的数据集？
- 方法与思路
- 作者基于最大似然原则，结合熵距离与凸规划技术构造生产函数的非参数估计方法，并以小型和大型数据集展示实施。
- 材料陈述的贡献
- 摘要明确提出用于凹生产技术估计的计量方法，并通过经验应用说明其在小型与大型数据集中的可行性，未报告性能比较。
- 阅读关注点
- 应核对最大似然与熵距离之间的联系、凹性约束的具体表达，以及凸规划问题的存在性、计算实现与应用数据设定。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断误差模型、统计收敛性质或估计精度；应用可行性不能据此解释为优于其他生产函数估计法。
原文摘要
Abstract An econometric methodology is developed for nonparametric estimation of concave production technologies. The methodology, based on the principle of maximum likelihood, uses entropic distance and convex programming techniques to estimate production functions. Empirical applications are presented to demonstrate the feasibility of the methodology in small and large datasets. Copyright © 2007 John Wiley & Sons, Ltd.