Publicação:
Fronteira de produção estocástica: uma abordagem bayesiana

Carregando...
Imagem de Miniatura

Paginação

Primeira página

Última página

item.page.date.journal

Data da Série

Data do evento

Data

Data de defesa

Data

Edição

Idioma

por

Cobertura espacial

Cobertura temporal

País

BR

organization.page.location.country

Tipo de evento

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) 1073: Fronteira de produção estocástica: uma abordagem bayesiana, Stochastic production frontier: a Bayesian approach

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

O modelo de fronteira de produção estocástica, na especificação clássica, obtém estimativas de máxima verossimilhança (EMV) (pontuais) dos parâmetros e da produtividade dos agentes. A especificação bayesiana proposta, estimada utilizando o algoritmo de Cadeias de Markov de Monte Carlo (MCMC), obtém uma amostra da distribuição do estimador dos parâmetros e da produtividade dos agentes, o que permite derivar outras estatísticas relativas a essas medidas, em particular o valor esperado e o intervalo de máxima densidade. Neste texto, apresenta-se a implementação desse modelo, e mostra-se, empiricamente, que a EMV tem um viés maior do que a estimativa bayesiana, em particular dos momentos de segunda ordem.

Resumo traduzido

The model of stochastic production frontier on the classical specification gets maximum likelihood estimates of model parameters e agents productivity. The proposed Bayesian specification, estimated using Monte Carlo Markov Chain (MCMC) gets a sample from the distribution of the parameter and productivity estimator, which make possible measure the expected value and the interval of maximum density. In this paper is showed the implementation of this model, and is showed, empirically, that the maximum likelihood estimator has a bias greater than the Bayesian version, in particular for the second moments.

organization.page.description

Sobre o pesquisador

Endereço de Email

ORCID

Lattes

Google Scholar ID

Web of Science ResearcherID

Scopus ID

Informações sobre o projeto

project.page.project.productdescription

Vocabulário Controlado do Ipea

Palavras-chave traduzidas

JEL

Citação

Aviso

Notas

Série / coleção

Versão preliminar

item.page.relation.isreplacedby

Faz parte da série

Publicações relacionadas / semelhantes

organization.page.relation.references

Livros

Publicações

Faz parte da série

Fascículos

Eventos relacionados

Volumes

Projetos de Pesquisa

Unidades Organizacionais

REPOSITÓRIO DO CONHECIMENTO DO IPEA
Redes sociais