購物車(0)
空間混合效應(yīng)隨機(jī)前沿模型估計方法研究
關(guān)鍵詞：隨機(jī)前沿模型 空間效應(yīng) 隨機(jī)效應(yīng) 極大似然估計 貝葉斯估計
摘要：在經(jīng)典隨機(jī)前沿模型中引入隨機(jī)效應(yīng)和空間效應(yīng),構(gòu)建了空間混合效應(yīng)隨機(jī)前沿模型。模型考慮了生產(chǎn)單元技術(shù)水平的異質(zhì)性并且可以有效避免忽略內(nèi)生性問題導(dǎo)致的有偏且不一致估計量,適用性更佳。使用貝葉斯方法估計模型,核心在于推導(dǎo)未知參數(shù)的后驗(yàn)分布以及MCMC抽樣。相比于其他估計方法,貝葉斯方法簡單直觀且精度較高,更適合復(fù)雜模型的估計。數(shù)值模擬結(jié)果顯示:①貝葉斯估計的精度較高。增加樣本容量有助于提高精度。②忽略隨機(jī)效應(yīng),估計精度偏低。數(shù)值模擬表明文中模型和方法有存在必要性。
數(shù)理統(tǒng)計與管理雜志要求:
{1}作者信息應(yīng)當(dāng)包括作者姓名、工作單位（工作單位要求規(guī)范、統(tǒng)一、穩(wěn)定，寫出一、二級單位）、城市名和郵政編碼，以及作者姓名、工作單位、城市名的英文翻譯。另應(yīng)提供詳細(xì)的通訊地址、郵政編碼、電子信箱、聯(lián)系電話、傳真等。
{2}投稿作品必須出自原創(chuàng)，不得作假，一經(jīng)發(fā)現(xiàn)，將取消作者的投稿資格，情節(jié)嚴(yán)重者，將在首頁進(jìn)行公布。
{3}文中圖、表要精選，具有自明性，切忌相互重復(fù)或與文字表述重復(fù)。每個圖、表均應(yīng)有簡明的圖題或表題及用阿拉伯?dāng)?shù)字連續(xù)編碼的圖序和表序。
{4}因匿名評審需要，正文部分不得出現(xiàn)與作者有關(guān)的任何信息。
{5}基金項(xiàng)目：標(biāo)明基金項(xiàng)目名稱及項(xiàng)目編號，以腳注形式標(biāo)注于作者簡介上方。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
