Please use this identifier to cite or link to this item: https://repositorio.ipea.gov.br/handle/11058/2177
Full metadata record
DC FieldValueLanguage
dc.contributor.authorSchmidt, Alexandra Mello-
dc.contributor.authorMoreira, Ajax Reynaldo Bello-
dc.contributor.authorFonseca, Thais C. O. da-
dc.contributor.authorHelfand, Steven M.-
dc.coverage.spatialMunicípios da região Centro-Oeste, Brasilpt_BR
dc.date.accessioned2013-11-20T11:59:57Z-
dc.date.available2013-11-20T11:59:57Z-
dc.date.issued2006-10-
dc.identifier.urihttp://repositorio.ipea.gov.br/handle/11058/2177-
dc.description.abstractNeste 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.pt_BR
dc.language.isoen-USpt_BR
dc.publisherInstituto de Pesquisa Econômica Aplicada (Ipea)pt_BR
dc.titleSpatial stochastic frontier models: accounting for unobserved local determinants of inefficiencypt_BR
dc.title.alternativeTexto para Discussão (TD) 1220: Spatial stochastic frontier models: accounting for unobserved local determinants of inefficiencypt_BR
dc.title.alternativeModelos espaciais de fronteira estocástica: representando determinantes locais não-observados de ineficiênciapt_BR
dc.typeTexto para Discussão (TD)pt_BR
dc.rights.holderInstituto de Pesquisa Econômica Aplicada (Ipea)pt_BR
dc.source.urlsourcewww.ipea.gov.brpt_BR
dc.location.countryBRpt_BR
dc.description.physical28 p. : il.pt_BR
dc.rights.licenseÉ permitida a reprodução deste texto e dos dados nele contidos, desde que citada a fonte. Reproduções para fins comerciais são proibidas.pt_BR
dc.subject.keywordProdutividade agrícolapt_BR
dc.subject.keywordModelo de fronteira estocástica de produção com estrutura espacialpt_BR
dc.subject.keywordDistribuição da ineficiência da produtividade agrícolapt_BR
ipea.description.objectiveAnalisar a produtividade de estabelecimentos agrícolas localizados em 370 municípios da região Centro-Oeste do Brasil.pt_BR
ipea.description.additionalinformationSérie monográfica: Texto para Discussão ; 1220pt_BR
ipea.description.additionalinformationReferências bibliográficas: possui referências bibliográficaspt_BR
ipea.description.additionalinformationConteúdo: possui anexopt_BR
ipea.access.typeAcesso Abertopt_BR
ipea.rights.typeLicença Comumpt_BR
ipea.englishdescription.abstractIn 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.pt_BR
ipea.researchfieldsN/Apt_BR
ipea.classificationAgricultura, Pecuária e Pescapt_BR
Appears in Collections:Agricultura, Pecuária e Pesca: Livros

Files in This Item:
File Description SizeFormat 
TD_1220.pdf2.93 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.