.png){kind=icon}
返回
Superquantile efficiency frontiers
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ejor.2026.03.021.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
提出了几种具有不同概率特征的生产前沿，例如完整前沿、分位数前沿和期望前沿。本文介绍了一种替代方法，称为超分位数前沿，其定义为在固定输入设置下输出的上尾平均。对于某一概率水平，如果一个生产单元的输出超过使用相同输入的顶级(1-α)×100%生产单元的平均输出，则该生产单元位于该水平的超分位数前沿之上。该水平的超分位数前沿表现出类似铰链的性能敏感性：它对分布中顶级(1-α)×100%的单元有响应，而对底部α×100%的单元不敏感。超分位数前沿函数可以通过（广义）线性超分位数回归进行估计。本文提出了一种凸非参数多元超分位数回归方法来估计超分位数前沿，仅需前沿函数在输入上为非递减和凹函数。该估计涉及求解三个连续的线性规划问题。为说明由所提出的凸非参数回归估计的超分位数前沿的性质，本文展示了三个合成数据实验和一个真实数据实验。本文还探讨了超分位数前沿的两个应用：其在随机前沿模型中的表述，以及其在估计影子价格中的应用。
Keyword:
Data envelopment analysis
Production frontiers
Superquantile regression
Convex regression
Upper-tail average
期刊
IF:
6
论文数:
2.2W
被引数:
6.4W
机构
引用论文
暂无论文信息