Metode cuantice pentru analiza frontierelor stochastice

Titlul original:

Quantile Methods for Stochastic Frontier Analysis

Conținutul cărții:

Quantile Methods for Stochastic Frontier Analysis încearcă să unească două domenii econometrice aparent disparate, estimarea cuantică și analiza frontierelor stochastice (SFA). De ce aceste două domenii pot fi considerate disparate? Cuantilele există pe un continuum al distribuției; frontiera este un obiect fix al acesteia. După cum se va vedea, aceste două abordări pot, atunci când sunt utilizate corect, să fuzioneze pentru a oferi o abordare unificată a studierii unei frontiere stochastice.

Secțiunile de la 1 la 5 prezintă stadiul actual al lucrurilor. Secțiunea 1 detaliază legătura foarte strânsă dintre funcția de regresie și funcția de cuantile condiționată, pentru a arăta că relația de cuantile nu este un aspect statistic deconectat care trăiește independent de specificația noastră de regresie. Această secțiune arată, de asemenea, ceea ce fac de fapt abordarea cuantilelor și estimatorul Q și contrastează cu ceea ce doresc să facă modelele SFA, folosind și un exemplu simulat. Secțiunea 2 prezintă principalele caracteristici și proprietăți ale Q-estimatorului liniar atunci când termenul de eroare este independent de regresori, ca o pregătire necesară pentru a trece la secțiunea 3, unde autorii arată cum unele dintre aceste proprietăți sunt fundamental incompatibile cu obiectivele și scopurile SFA. Secțiunea 4 discută progresele recente care construiesc în mod corespunzător frontiera deterministă. Secțiunea 5 se îndepărtează de regresia cuantilă și prezintă abordări bazate pe probabilitate care utilizează funcții de densitate care includ ca unul dintre parametrii lor probabilitatea cuantei zero a distribuțiilor lor.

Secțiunile 6-9 prezintă un nou estimator, dar și metrici și perspective care permit utilizarea fructuoasă a abordării cuantice în SFA. Secțiunea 6 arată cum se poate utiliza estimatorul Q împreună cu ipoteze suplimentare pentru a furniza rezultate de estimare și inferență utile și valide din punct de vedere conceptual în SFM. Secțiunea 7 prezintă măsuri de eficiență dependente de cuantile atât la nivel de eșantion, cât și la nivel individual, dar și modul în care cuantile condiționate ale distribuției ineficienței pot fi utilizate pentru a oferi o imagine a modului în care scorurile individuale de eficiență sunt distribuite în jurul unui cuantile ales al distribuției eficienței. Secțiunea 8 demonstrează un rezultat fundamental: se așteaptă ca valorile pozitive și ridicate ale termenului de eroare compozit al modelelor SFA de producție să coexiste cu o ineficiență scăzută, într-un sens probabilistic concret. Secțiunea 9 examinează cazul dependenței dintre termenul de eroare și regresori sau alte covariate. Secțiunea 10 oferă o ilustrare empirică care prezintă abordarea din cele patru secțiuni anterioare și funcționează ca un ghid pentru studii aplicate detaliate. Secțiunea 11 include o listă a diferitelor probleme deschise, precum și idei și direcții pentru cercetări viitoare, în timp ce Secțiunea 12 oferă un scurt rezumat și concluzii.