门限空间随机前沿模型估计方法研究
基于空间计量视角拓展门限随机前沿模型,引入因变量和双边误差项的空间滞后项构建了门限空间随机前沿模型,目标模型适用性较好且有效避免有偏和不一致估计量.使用极大似然方法(MLE)和贝叶斯方法(Bayesian)估计目标模型.MLE核心在于推导对数似然函数、最优化及JLMS,Bayesian核心在于推导未知参数的后验分布及执行MCMC抽样.数值模拟结果显示:①MLE和Bayesian对应的估计精度较高,其中Bayesian的估计精度略高于MLE.增加样本容量后,Bayesian和MLE的估计精度变优.②忽略空间效应或者门限效应,估计精度较低.
经济统计 门限随机前沿模型 空间效应 极大似然估计 贝叶斯估计 数值模拟
蒋青嬗
中山大学岭南学院
国内会议
南昌
中文
85-104
2017-10-20（万方平台首次上网日期，不代表论文的发表时间）