Publicação: Spatial stochastic frontier models: accounting for unobserved local determinants of inefficiency
Carregando...
Arquivos
Paginação
Primeira página
Última página
Data
item.page.date.journal
Data da Série
Data do evento
Data
Data de defesa
Data
Edição
Idioma
eng
Cobertura espacial
Municípios da região Centro-Oeste, Brasil
Cobertura temporal
País
BR
organization.page.location.country
Tipo de evento
Tipo
Grau Acadêmico
Fonte original
ISBN
ISSN
DOI
dARK
item.page.project.ID
item.page.project.productID
Detentor dos direitos autorais
Instituto de Pesquisa Econômica Aplicada (Ipea)
Acesso à informação
Acesso Aberto
Termos de uso
É permitida a reprodução deste texto e dos dados nele contidos, desde que citada a fonte. Reproduções para fins comerciais são proibidas.
Titulo alternativo
Texto para Discussão (TD) 1220: Spatial stochastic frontier models: accounting for unobserved local determinants of inefficiency, Modelos espaciais de fronteira estocástica: representando determinantes locais não-observados de ineficiência
item.page.organization.alternative
Variações no nome completo
Orientador(a)
Editor(a)
Organizador(a)
Coordenador(a)
item.page.organization.manager
Outras autorias
Palestrante/Mediador(a)/Debatedor(a)
Coodenador do Projeto
Resumo
Neste texto, analisamos a produtividade de estabelecimentos agrícolas localizados em
370 municípios da região Centro-Oeste do Brasil. Propomos um modelo de fronteira
estocástica de produção com estrutura espacial latente que representa os determinantes não-observados da ineficiência da produtividade da agropecuária. Esse
componente espacial condiciona a distribuição da ineficiência. Usamos o paradigma bayesiano para estimar os modelos propostos. Foram exploradas duas distribuições diferentes para este termo, a normal truncada e a exponencial, e utilizamos duas especificações para a variável latente, suposta independente entre os municípios, ou dependente dos municípios vizinhos segundo um modelo auto-regressivo espacial.
O procedimento de inferência considera explicitamente todas as incertezas quando incluímos o termo espacial. Como a distribuição a posteriori não tem uma
expressão analítica, utilizamos técnicas estocásticas da simulação para obter amostras
dessa distribuição. Foram adotados dois critérios que avaliam o desempenho do modelo, e os dois indicaram que o componente espacial latente incorpora informação adicional a um modelo que já contém informação local observada.
Resumo traduzido
In this paper, we analyze the productivity of farms across n = 370 municipalities located in the Center-West region of Brazil. We propose a stochastic frontier model with a latent spatial structure to account for possible unknown geographical variation of the outputs. This spatial component is included in the one-sided disturbance term.
We explore two different distributions for this term, the exponential and the truncated normal. We use the Bayesian paradigm to fit the proposed models. We also compare between an independent normal prior and a conditional autoregressive prior for these spatial effects. The inference procedure takes explicit account of the uncertainty when considering these spatial effects. As the resultant posterior distribution does not have a closed form, we make use of stochastic simulation techniques to obtain samples from it. Two different model comparison criteria
provide support for the importance of including these latent spatial effects, even after considering covariates at the municipal level.