توضیحات
ABSTRACT
Regression and linear programming provide the basis for popular techniques for estimating technical efficiency. Regression based approaches are typically parametric and can be both deterministic or stochastic where the later allows for measurement error. In contrast, linear programming models are nonparametric and allow multiple inputs and outputs. The purported disadvantage of the regression based models is the inability to allow multiple outputs without additional data on input prices. In this paper, deterministic cross-sectional and stochastic panel data regression models that allow multiple inputs and outputs are developed. Notably, technical efficiency can be estimated using regression models characterized by multiple-input, multiple-output environments without input price data. We provide multiple examples including a Monte Carlo Analysis.
INTRODUCTION
In the economics and operations research literature there are two distinct approaches for estimating technical efficiency. Both regression and linear programming techniques have been employed to measure performance relative to an estimated frontier. The starting point for both literatures is Farrell (1957), which provided a conceptual framework for efficiency measurement. Farrell showed that technical and allocative inefficiency could be measured relative to the observed isoquants with equi-proportional measures. Farrell also illustrated efficiency using piecewise linear isoquants. Aigner and Chu (1968) extended Farrell’s work by applying programming models to parametric functional forms to measure production in deterministic models where all deviations from the frontier are one-sided and due to inefficiency. Winsten (1957) suggested and Greene (1980) showed that OLS could be used to estimate inefficiency relative to a frontier with one-sided deviations. Since the parameters of the production function are estimated consistently, one need only correct the intercept term by adding the largest residual to the intercept in a production environment. This technique is referred to as Corrected OLS (COLS). COLS is limited due to the nature of regression analysis; only one output is allowed in the production function. Lovell et al.(1994) proposed a solution in the multiple output case by specifying a distance function, exploiting homogeneity and rearranging terms to specify the production process with one output used as the dependent variable while treating all other outputs as independent variables.
چکیده
رگرسیون و برنامه نویسی خطی مبنایی برای تکنیک های محبوب برای برآورد کارایی فنی است. رویکرد مبتنی بر رگرسیون به طور معمول پارامتریک است و می تواند هر دو قطعی و یا تصادفی باشد که بعدها برای خطای اندازه گیری اجازه می دهد. در مقابل، مدل های برنامه نویسی خطی غیر پارامتری هستند و امکان ورود و خروج چندگانه را فراهم می کنند. ضعف ضعیف مدل های مبتنی بر رگرسیون، عدم توانایی برای خروجی های متعدد بدون اطلاعات اضافی در قیمت های ورودی است. در این مقاله، مدل های رگرسیون داده های پانل های مقطع قطعی و تصادفی که به ورودی ها و خروجی های چندگانه امکان می دهد، توسعه یافته است. به طور قابل توجهی، کارایی فنی می تواند با استفاده از مدل های رگرسیون که توسط چندین ورودی، محیط های چند خروجی بدون داده های قیمت ورودی مشخص می شود، تخمین زده شود. ما چند نمونه از جمله تجزیه و تحلیل مونت کارلو ارائه می دهیم.
مقدمه
در ادبیات تحقیقاتی اقتصادی و عملیاتی دو رویکرد متمایز برای برآورد کارایی فنی وجود دارد. هر دو روش رگرسيون و برنامه ريزي خطي براي اندازه گيري عملكرد نسبت به مرز تخمين زده شده اند. نقطه شروع برای هر دو ادبیات Farrell (1957) است که چارچوب مفهومی برای اندازه گیری کارایی ارائه می دهد. فارل نشان داد که ناکارآمدی فنی و تخصیصی می تواند نسبت به ایزوکتان های مشاهده شده با مقادیر متقارن معادل باشد. فارل همچنین کارایی را با استفاده از ایزوکانانتهای خطی نشان داد. Aigner و Chu (1968) با استفاده از مدل های برنامه نویسی به فرم های کاربردی پارامتریک برای اندازه گیری تولید در مدل های قطعی که در آن همه انحراف از مرز یک طرفه و ناشی از ناکارآمدی است. Winsten (1957) پیشنهاد کرد و گرین (1980) نشان داد که OLS می تواند برای تخمین ناکارآمدی نسبت به مرز با انحرافات یکسانی استفاده شود. از آنجائیکه پارامترهای تابع تولید برآورده شده اند، نیاز به اصلاح اصطلاح تعویق با اضافه کردن بزرگترین باقی مانده به رهگیری در محیط تولید است. این روش به عنوان اصلاح OLS (COLS) نامیده می شود. COLS به علت ماهیت تحلیل رگرسیون محدود است. تنها یک خروجی در عملکرد تولید مجاز است. Lovell و همکاران (1994) راه حل در مورد پرونده چندگانه را با مشخص کردن عملکرد فاصله، بهره برداری از همگنی و اصلاح اصطلاحات برای مشخص کردن فرآیند تولید با یک خروجی مورد استفاده به عنوان متغیر وابسته در حالی که همه خروجی های دیگر را به عنوان متغیر مستقل مورد بررسی قرار داد، پیشنهاد داد.
Year: 2011
Publisher : ELSEVIER
By : Trevor Collier, Andrew L.Johnson ,John Ruggiero
File Information: English Language/ 34 Page / size: 245 KB
Only site members can download free of charge after registering and adding to the cart
سال : 1390
ناشر : ELSEVIER
کاری از : تروور کالیر، آندرو ل. جانسون، جان راجیو
اطلاعات فایل : زبان انگلیسی / 34 صفحه / حجم : KB 245
نقد و بررسیها
هنوز بررسیای ثبت نشده است.