Titre original :
Quantile Methods for Stochastic Frontier Analysis
Contenu du livre :
Quantile Methods for Stochastic Frontier Analysis cherche à fusionner deux domaines économétriques apparemment disparates, l'estimation des quantiles et l'analyse des frontières stochastiques (SFA). Pourquoi ces deux domaines peuvent-ils être considérés comme disparates ? Les quantiles existent sur un continuum de la distribution ; la frontière est un objet fixe de celle-ci. Comme nous le verrons, ces deux approches peuvent, lorsqu'elles sont utilisées correctement, être fusionnées pour fournir une approche unifiée de l'étude d'une frontière stochastique.
Les sections 1 à 5 présentent l'état actuel des choses. La section 1 détaille le lien très étroit entre la fonction de régression et la fonction quantile conditionnelle, afin de montrer que la relation quantile n'est pas un aspect statistique déconnecté qui vit indépendamment de notre spécification de régression. Cette section montre également ce que l'approche quantile et le Q-estimateur font réellement, et nous les comparons à ce que les modèles SFA veulent faire, en utilisant également un exemple simulé. La section 2 présente les principales caractéristiques et propriétés du Q-estimateur linéaire lorsque le terme d'erreur est indépendant des régresseurs. Il s'agit d'une préparation nécessaire pour passer à la section 3, dans laquelle les auteurs montrent comment certaines de ces propriétés sont fondamentalement incompatibles avec les objectifs et les buts de l'AFS. La section 4 examine les progrès récents qui permettent de construire correctement la frontière déterministe. La section 5 s'éloigne de la régression par quantile et présente des approches basées sur la vraisemblance qui utilisent des fonctions de densité dont l'un des paramètres est la probabilité du quantile zéro de leur distribution.
Les sections 6 à 9 présentent un nouvel estimateur, mais aussi des mesures et des idées qui permettent d'utiliser de manière fructueuse l'approche quantile dans l'AFD. La section 6 montre comment on peut utiliser l'estimateur quantile avec des hypothèses supplémentaires afin de fournir des résultats d'estimation et d'inférence conceptuellement valides et utiles dans les AFD. La section 7 présente des mesures de l'efficacité dépendant du quantile à la fois au niveau de l'échantillon et au niveau individuel, mais aussi la manière dont les quantiles conditionnels de la distribution de l'inefficacité peuvent être utilisés pour donner une image de la manière dont les scores d'efficacité individuels sont distribués autour d'un quantile choisi de la distribution de l'efficacité. La section 8 prouve un résultat fondamental : les valeurs positives et élevées du terme d'erreur composite des modèles SFA de production devraient coexister avec une faible inefficacité, dans un sens probabiliste concret. La section 9 examine le cas de la dépendance entre le terme d'erreur et les régresseurs ou d'autres covariables. La section 10 fournit une illustration empirique qui met en évidence l'approche des quatre sections précédentes et sert de guide pour des études appliquées détaillées. La section 11 comprend une liste des différentes questions en suspens ainsi que des idées et des orientations pour la recherche future, tandis que la section 12 propose un bref résumé et des conclusions.
Autres informations sur le livre :
| ISBN : | 9781638280941 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Broché |
Achat:
Actuellement disponible, en stock.
