Bayesian inference in dynamic panel stochastic frontier models

Jonuzaj, Mariol

doi:10.1093/jrsssa/qnag043

Bayesian inference in dynamic panel stochastic frontier models

2026-01-01

0

PRE

AI

DOI：10.1093/jrsssa/qnag043

原文链接

原文求助

摘要

En 中文

本文开发了一种动态面板随机前沿模型，该模型纳入了企业的跨期决策行为和短期内生产过程的停滞调整。其动态设定承认短期产出调整成本，其中最终产出可能仅部分调整至最优水平。在嵌套之前的面板随机前沿模型的基础上，我们新的方法提供了一种灵活的框架，能够容纳异质性技术和潜在的时间变化无效率效应。此外，我们的模型处理与灵活投入相关的内生性问题。模型推断基于贝叶斯框架，其中利用了马尔可夫链蒙特卡罗（MCMC）技术。通过广泛的模拟，我们证明了模型在小样本和中样本中的稳健性。最后，我们通过一个实证案例展示模型，分析了2004-2022年间在英国上市且从事制造业和建筑业的公司的数据。主要发现是，大多数企业表现出停滞的生产过程，调整供应的半衰期高达6个季度。估计的平均技术效率为89%。我们的研究结果强调了在评估企业绩效和设计提升生产力的政策时，考虑动态摩擦和异质性的重要性。

Keyword:

dynamic panel data

efficiency analysis

MCMC

partial adjustment

stochastic frontier models

C23

C50

D24

Bayesian inference in dynamic panel stochastic frontier models

摘要

期刊

机构

引用论文