Quantile Methods for Stochastic Frontier Analysis
Quantile Methods for Stochastic Frontier Analysis versucht, zwei scheinbar disparate ökonometrische Bereiche, die Quantilsschätzung und die stochastische Grenzanalyse (SFA), zusammenzuführen. Warum können diese beiden Bereiche als unterschiedlich betrachtet werden? Quantile existieren auf einem Kontinuum der Verteilung; die Grenze ist ein festes Objekt dieser Verteilung. Wie wir sehen werden, können diese beiden Ansätze, wenn sie richtig eingesetzt werden, zu einem einheitlichen Ansatz für die Untersuchung einer stochastischen Grenze verschmolzen werden.
In den Abschnitten 1 bis 5 wird der aktuelle Stand der Dinge dargestellt. In Abschnitt 1 wird die sehr enge Verbindung zwischen der Regressionsfunktion und der bedingten Quantilsfunktion erläutert, um zu zeigen, dass die Quantilsbeziehung kein losgelöster statistischer Aspekt ist, der unabhängig von unserer Regressionsspezifikation existiert. In diesem Abschnitt wird auch gezeigt, was der Quantilansatz und der Q-Schätzer tatsächlich tun, und wir stellen dem gegenüber, was SFA-Modelle tun wollen, auch anhand eines simulierten Beispiels. In Abschnitt 2 werden die wichtigsten Merkmale und Eigenschaften des linearen Q-Schätzers vorgestellt, wenn der Fehlerterm unabhängig von den Regressoren ist, als notwendige Vorbereitung für Abschnitt 3, in dem die Autoren zeigen, dass einige dieser Eigenschaften grundsätzlich nicht mit den Zielen und Zwecken der SFA vereinbar sind. Abschnitt 4 erörtert die jüngsten Fortschritte bei der korrekten Konstruktion der deterministischen Grenze. Abschnitt 5 wendet sich von der Quantilsregression ab und stellt likelihood-basierte Ansätze vor, die Dichtefunktionen verwenden, die als einen ihrer Parameter die Wahrscheinlichkeit des Null-Quantils ihrer Verteilungen enthalten.
In den Abschnitten 6 bis 9 werden ein neuer Schätzer, aber auch Metriken und Erkenntnisse vorgestellt, die es ermöglichen, den Quantilansatz in der SFM fruchtbar zu machen. Abschnitt 6 zeigt, wie man den Q-Schätzer zusammen mit zusätzlichen Annahmen verwenden kann, um konzeptionell gültige und nützliche Schätz- und Schlussfolgerungsergebnisse in SFMs zu liefern. In Abschnitt 7 werden quantilabhängige Effizienzmaße sowohl auf Stichprobenebene als auch auf individueller Ebene vorgestellt, aber auch, wie die bedingten Quantile der Verteilung der Ineffizienz verwendet werden können, um ein Bild davon zu vermitteln, wie die individuellen Effizienzwerte um ein ausgewähltes Quantil der Effizienzverteilung herum verteilt sind. In Abschnitt 8 wird ein grundlegendes Ergebnis nachgewiesen: Es wird erwartet, dass positive und hohe Werte des zusammengesetzten Fehlerterms von SFA-Modellen für die Produktion mit niedriger Ineffizienz in einem konkreten probabilistischen Sinne koexistieren. In Abschnitt 9 wird der Fall der Abhängigkeit zwischen dem Fehlerterm und den Regressoren oder anderen Kovariaten untersucht. Abschnitt 10 enthält eine empirische Illustration, die den Ansatz der vier vorangegangenen Abschnitte veranschaulicht und als Leitfaden für detaillierte angewandte Studien dient. Abschnitt 11 enthält eine Liste der verschiedenen offenen Fragen sowie Ideen und Richtungen für die künftige Forschung, während Abschnitt 12 eine kurze Zusammenfassung und Schlussfolgerungen enthält.
| ISBN: | 9781638280941 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
Derzeit verfügbar, auf Lager.
