Decision tree-augmented stochastic frontier analysis

Deng, Ming-Yu

doi:10.1016/j.econlet.2026.112943

Decision tree-augmented stochastic frontier analysis

2026-03-01

0

PRE

AI

DOI：10.1016/j.econlet.2026.112943

原文链接

原文求助

摘要

En 中文

我们提出了一种决策树增强型随机前沿分析（DT-SFA）策略，该策略将基于SFA模型的递归分区算法嵌入到传统的分类和回归树中。我们的方法通过生成分段（局部）SFA模型来考虑子群体间的异质性，并使技术效率的分析和解释得以有效可视化。我们的中国工业企业实证应用表明，DT-SFA在拟合度上优于标准的单前沿SFA，这与企业间显著的技术异质性一致。该方法保留了一个支持统计推断的参数结构。

Keyword:

Stochastic frontier

Decision tree

Technical efficiency

Recursive partitioning

Maximum likelihood

Decision tree-augmented stochastic frontier analysis

摘要

期刊

机构

引用论文