English  |  正體中文  |  简体中文  |  全文筆數/總筆數 : 51756/86973 (60%)
造訪人次 : 8362295      線上人數 : 110
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library & TKU Library IR team.
搜尋範圍 查詢小技巧:
  • 您可在西文檢索詞彙前後加上"雙引號",以獲取較精準的檢索結果
  • 若欲以作者姓名搜尋,建議至進階搜尋限定作者欄位,可獲得較完整資料
  • 進階搜尋
    請使用永久網址來引用或連結此文件: http://tkuir.lib.tku.edu.tw:8080/dspace/handle/987654321/50338


    題名: 隨機邊界模型的變數衡量誤差問題:一般動差估計法的應用
    其他題名: Stochastic frontoer models with errors in variables: A GMM approach
    作者: 王泓仁;陳怡宜
    貢獻者: 淡江大學經濟學系
    關鍵詞: 隨機邊界模型;衡量誤差;一般動差估計式;stochastic frontier model;measurement errors;generalized method of moments
    日期: 2009-03
    上傳時間: 2010-08-09 15:41:13 (UTC+8)
    出版者: 臺北市:台灣大學經濟學系
    摘要: 當隨機邊界模型逐漸被應用到不同的研究領域時,如何處理變數衡量誤差的問題,成爲亟待解決的課題。本文針對具有變數衡量誤差問題的隨機邊界模型,提出一組GMM估計式,以求得模型參數的不偏估計值。此GMM估計式是以模型的高階動差爲建構基礎,且是特別針對具有截斷式常態分配的隨機邊界模型所設計,而此類模型正是目前實證應用最廣的模型。蒙地卡羅的模擬結果顯示,該估計式在觀察數爲500的樣本中,即有良好的表現。
    As the use of stochastic frontier (SF) models increases in the various fields of economics and finance, the need to address the problem of measurement errors in variables becomes urgent. In this paper, we propose a generalized method of moment (GMM) estimator for a stochastic frontier model to correct the measurement error problem. The estimator differs from the method of moment (MoM) estimator of Chen and Wang (2004) in two important ways: (1) The GMM estimator is proposed for a SF model with a truncated-normal random variable, which is a more flexible and empirically-popular model than the half-normal SF model targeted by the MoM estimator. (2) The GMM estimator uses more moment conditions and is more efficient. Simulation results show that the GMM estimator performs quite well for data with a reasonable sample size.
    關聯: 經濟論文叢刊=Taiwan Economic Review 37(1),頁1-22
    DOI: 10.6277/ter.2009.371.1
    顯示於類別:[經濟學系暨研究所] 期刊論文

    文件中的檔案:

    檔案 大小格式瀏覽次數
    1018-3833_37(1)p1-22.pdf815KbAdobe PDF328檢視/開啟

    在機構典藏中所有的資料項目都受到原著作權保護.

    TAIR相關文章

    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library & TKU Library IR teams. Copyright ©   - 回饋