Una solución para la multicolinealidad en modelos de función de producción de frontera estocástica

Elkin Castaño, Santiago Gallón

Resumen


Este artículo considera el problema de colinealidad entre insumos en un modelo de producción de frontera estocástica, un tema que ha recibido poca atención en la literatura econométrica. Para abordar el problema, se propone una solución basada en componentes principales que permite interpretar conjuntamente la eficiencia técnica y los parámetros de tecnología del modelo. Los resultados de la aplicación del método con datos simulados y reales muestran que éste es fácil de usar y presenta un buen desempeño.


Palabras clave


análisis de frontera estocástica; eficiencia técnica; productividad; multicolinealidad; estimación de componentes principales.

Texto completo:

PDF (English) XML (English)

Referencias


Aigner, Dennis; Lovell, Knox & Schmidt, Peater (1977). “Formulation and estimation of stochastic frontier production function models”, Journal of Econometrics, Vol. 6, Issue 1, pp. 21-37.

Belsley, David; Kuh, Edwin & Welsh, Roy (1980). Regression Diagnostics: Identifying Influential Data and Sources of Collinearity. New York: John Wiley & Sons, Inc.

Coelli, Timothy & Henningsen, Arne (2013). Frontier: Stochastic Frontier Analysis. Retrieved from: http://CRAN.R-Project.org/package=frontier. R package version 1.1-0. (Accessed on July 2014).

Coelli, Timothy; Rao, Prasada D.S.; O’Donnell, Christopher J. & Battese, George E. (2005). An Introduction to Efficiency and Productivity Analysis (2nd. Ed.). New York: Springer.

Filippini, Massimo; Hrovatin, Nevenka & Zoric, Jelena (2008). “Cost efficiency of slovenian water distribution utilities: an application of stochastic frontier methods”, Journal of Productivity Analysis, Vol. 29. Issue 2, pp. 169-182.

Fomby, Thomas B.; Johnson, Stanley R. & Hill, Carter (1984). Advanced Econometric Methods. New York: Springer.

Greene, William (1980a). “Maximum likelihood estimation of econometric frontier functions”, Journal of Econometrics, Vol. 13, Issue 1, pp. 27-56.

Greene, William (1980b). “On the estimation of a flexible frontier production model”, Journal of Econometrics, Vol. 13, Issue 1, pp. 101-115.

Greene, William (2008). “The econometric approach to efficiency analysis”. In: Fried, Harold; Lovell, Knox & Schmidt, Shelton (Eds.), The Measurement of Productive Efficiency and Productivity Growth (pp. 92-150). New York, Oxford University Press.

Groß, Jürgen (2003). “Linear Regression”, Lecture Notes in Statistics, Vol. 75. Springer.

Hwang, Gene J. T. & Nettleton, Dan (2003). “Principal components regression with data chosen components and related methods”, Technometrics, Vol. 45, No. 1, pp. 70-79.

Jolliffe, Ian T. (1982). “A note on the use of principal components in regression”, Journal of the Royal Statistical Society. Series C (Applied Statistics), Vol. 31, No. 3, pp. 300-303.

Jolliffe, Ian T. (2002). Principal Component Analysis (2nd Ed.). New York: Springer.

Kumbhakar, Subal C. & Lovell, C. Knox (2000). Stochastic Frontier Analysis. Cambridge: Cambridge University Press.

Mason, Robert & Gunst, Richard (1985). “Selecting principal components in regression”, Statistics and Probability Letters, Vol. 3, Issue 6, pp. 299-301.

Massy, William F. (1965). “Principal components regression in exploratory

statistical research”, Journal of the American Statistical Association, Vol. 60, Issue 309, pp. 234-256.

Meeusen, Wim & van Den Broeck, Julien (1977). “Efficiency estimation from Cobb-Douglas production functions with composed error”, International Economic Review, Vol. 18, No. 2, pp. 435-444.

Puig-Junoy, Jaume (2001). “Technical inefficiency and public capital in U.S. states: A stochastic frontier approach”, Journal of Regional Science, Vol. 41, Issue 1, pp. 75-96.

Stevenson, Rodney (1980). “Likelihood functions for generalized stochastic frontier estimation”, Journal of Econometrics, Vol. 13, Issue 1, pp. 58-66.




DOI: https://doi.org/10.17533/udea.le.n86a01 Resumen : 1630 PDF (English) : 947 XML (English) : 9

Métricas de artículo

Cargando métricas ...

Metrics powered by PLOS ALM
';





Esta publicación hace parte del Sistema de Revistas de la Universidad de Antioquia
¿Quieres aprender a usar el Open Journal system? Ingresa al Curso virtual
Este sistema es administrado por el Programa Integración de Tecnologías a la Docencia
Universidad de Antioquia
Powered by Public Knowledge Project