Métodos cuantílicos para el análisis de fronteras estocásticas

Título original:

Quantile Methods for Stochastic Frontier Analysis

Contenido del libro:

Quantile Methods for Stochastic Frontier Analysis pretende fusionar dos campos econométricos aparentemente dispares, la estimación cuantílica y el análisis de fronteras estocásticas (AFE). ¿Por qué estos dos campos pueden considerarse dispares? Los cuantiles existen en un continuo de la distribución; la frontera es un objeto fijo de la misma. Como se verá, estos dos enfoques pueden, cuando se utilizan adecuadamente, fusionarse para proporcionar un enfoque unificado al estudio de una frontera estocástica.

Las secciones 1 a 5 presentan el estado actual de la cuestión. La sección 1 detalla el estrecho vínculo entre la función de regresión y la función cuantílica condicional, para mostrar que la relación cuantílica no es un aspecto estadístico desconectado que vive independientemente de nuestra especificación de regresión. Esta sección también muestra lo que el enfoque cuantílico y el estimador Q realmente hacen, y lo contrastamos con lo que los modelos SFA quieren hacer, utilizando también un ejemplo simulado. La Sección 2 presenta las principales características y propiedades del estimador lineal Q cuando el término de error es independiente de los regresores, como preparación necesaria para pasar a la Sección 3, donde los autores muestran cómo algunas de estas propiedades son fundamentalmente incompatibles con los objetivos y propósitos del SFA. En la Sección 4 se analizan los avances recientes que construyen adecuadamente la frontera determinista. La Sección 5 se aleja de la regresión cuantil y presenta enfoques basados en la verosimilitud que utilizan funciones de densidad que incluyen como uno de sus parámetros la probabilidad del cuantil cero de sus distribuciones.

Las secciones 6 a 9 presentan un nuevo estimador, pero también métricas y conocimientos que permiten utilizar de forma fructífera el enfoque cuantílico en el SFA. La Sección 6 muestra cómo se puede utilizar el estimador cuantílico junto con supuestos adicionales para proporcionar resultados de estimación e inferencia conceptualmente válidos y útiles en los SFM. La Sección 7 presenta medidas de eficiencia dependientes de cuantiles tanto a nivel de muestra como a nivel individual, pero también cómo se pueden utilizar los cuantiles condicionales de la distribución de ineficiencia para ofrecer una imagen de cómo se distribuyen las puntuaciones de eficiencia individuales en torno a un cuantil elegido de la distribución de eficiencia. La Sección 8 prueba un resultado fundamental: que se espera que valores positivos y altos del término de error compuesto de los modelos de SFA de producción, coexistan con una baja ineficiencia, en un sentido probabilístico concreto. La Sección 9 examina el caso de dependencia entre el término de error y los regresores u otras covariables. La Sección 10 ofrece una ilustración empírica que muestra el enfoque de las cuatro Secciones anteriores, y funciona como guía para estudios aplicados detallados. La Sección 11 incluye una lista de las diversas cuestiones pendientes, así como ideas y orientaciones para futuras investigaciones, mientras que la Sección 12 ofrece un breve resumen y conclusiones.