Please use this identifier to cite or link to this item: https://repositorio.ipea.gov.br/handle/11058/4942
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.accessioned2015-10-28T15:42:32Z-
dc.date.available2015-10-28T15:42:32Z-
dc.date.issued2015-01-
dc.identifier.urihttp://repositorio.ipea.gov.br/handle/11058/4942-
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.alternativeDiscussion Paper 172 : 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.typeDiscussion Paperpt_BR
dc.rights.holderInstituto de Pesquisa Econômica Aplicada (Ipea)pt_BR
dc.source.urlsourcehttp://www.ipea.gov.brpt_BR
dc.location.countryBRpt_BR
dc.description.physical28 p. : il.pt_BR
dc.rights.licenseReproduction of this text and the data it contains is allowed as long as the source is cited. Reproductions for commercial purposes are prohibited.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
dc.relation.referenceshttp://repositorio.ipea.gov.br/handle/11058/2177pt_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: Discussion Paper ; 172pt_BR
ipea.description.additionalinformationPossui referências bibliográficas e anexospt_BR
ipea.description.additionalinformationSérie: Originally published by Ipea in October 2006 as number 1220 of the series Texto para Discussãopt_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
ipea.classificationCiência. Pesquisa. Metodologia. Análise Estatísticapt_BR
Appears in Collections:Agricultura, Pecuária e Pesca: Livros

Files in This Item:
File Description SizeFormat 
DiscussionPaper_172.pdf678.29 kBAdobe PDFThumbnail
View/Open


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