Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс: https://open.mgimo.ru/handle/123456789/19033
Название: Dependence modeling in stochastic frontier analysis
Моделирование зависимостей в стохастическом граничном анализе
Авторы: Mamonov, M.
Parmeter, C.F.
Prokhorov, A.
Мамонов, М.
Парметер, К.Ф.
Прохоров, А.
Ключевые слова: stochastic frontier analysis
dependence modeling
panel data
error structure correlation
firm productivity
methodological review
empirical developments
стохастический граничный анализ
моделирование зависимостей
панельные данные
корреляция структуры ошибки
производительность фирм
методологический обзор
эмпирические разработки
Дата публикации: 2022
Библиографическое описание: Mamonov M., Parmeter C. F., Prokhorov A. Dependence modeling in stochastic frontier analysis. Dependence Modeling. 2022;10(1):1-30. https://doi.org/10.1515/demo-2022-0107
Мамонов М., Парметер К. Ф., Прохоров А. Моделирование зависимостей в стохастическом граничном анализе. Dependence Modeling. 2022;10(1):1-30. https://doi.org/10.1515/demo-2022-0107
Аннотация: Abstract This review covers several of the core methodological and empirical developments surrounding stochastic frontier models that incorporate various new forms of dependence. Such models apply naturally to panels where cross-sectional observations on firm productivity correlate over time, but also in situations where various components of the error structure correlate between each other and with input variables. Ignoring such dependence patterns is known to lead to severe biases in the estimates of production functions and to incorrect inference.
Этот обзор охватывает несколько ключевых методологических и эмпирических разработок, касающихся стохастических граничных моделей, которые включают различные новые формы зависимостей. Такие модели естественным образом применяются к панельным данным, где поперечные наблюдения за производительностью фирм коррелируют во времени, а также в ситуациях, когда различные компоненты структуры ошибки коррелируют друг с другом и с входными переменными. Игнорирование таких паттернов зависимости, как известно, приводит к серьезным смещениям в оценках...
URI: https://open.mgimo.ru/handle/123456789/19033
ISSN: 2300-2298
Располагается в коллекциях:Статьи сотрудников МГИМО во внешних журналах

Файлы этого ресурса:
Нет файлов, ассоциированных с этим ресурсом.
Источник: Dependence Modeling  (2022)


Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.