Скорректированный метод наименьших квадратов

Данный метод немного отличается от обычного метода наименьших квадратов тем, что мы сдвигаем планку в сторону передовых предприятий, поэтому он и получил название Скорректированный метод наименьших квадратов. В общем, данный метод представляет собой просто усредненную смещенную функцию. Он состоит из двух этапов; во время одного из которых требуется найти ожидаемое значение вектора ошибок, а во время второго вывести уравнение.

При использовании метода наименьших квадратов и скорректированного метода средних квадратов очень полезно проводить также квантильный анализ. Квантильный анализ помогает избежать возможного эффекта изоляции оценки среднего значения, делая возможным обнаружить наличие предприятий со специфическими или предельными квантилями, например низкими (25%) или высокими (75%) квантилями.

• Преимущества: Статистический метод открывает информацию о структуре затрат и определяет степень влияния тех или иных переменных на производительность. Адаптация превращает метод наименьших квадратов в граничное исследование.

• Недостатки: Так же как и в обычном методе наименьших квадратов, для получения точных результатов требуется большой объем данных. Результаты регрессии очень чувствительны к функциональной форме, если вектор ошибок интерпретирован неверно, что может привести к большому разбросу выводов в зависимости от того, как изначально была задана регрессия. Более того, результаты чрезвычайно чувствительны к выбросам.

• Применение: Большинство исследований, анализирующих граничные соотношения, используют Стохастический граничный анализ (СГА). При этом теряется некоторая простота, но проверка ресурсов различных типов ошибок может быть проведена при помощи СГА.

Модели метода наименьших квадратов (ммнк)

Стохастический Граничный Анализ определяет границу эффективности, которая учитывает погрешность измерений и случайные факторы в своих расчетах. Для отделения неэффективности от шума, требуется предположения о распределении шума в каждом из исследуемых предприятий. Стохастические границы могут быть классифицированы на производственные, затратные и по длительности затрат.

Производственная граница показывает технические соотношения между затратами и результатами работы предприятия, а также представляет альтернативы, когда границы стоимости невозможно вычислить за недостатком данных. Рассчитываемая производительность является максимально возможной для заданных ресурсов для отдельно взятого предприятия. Разница производительностей, получаемая в ходе вычислений, интерпретируется как техническая неэффективность предприятия. Для границы производительности, переменный масштаб – чувствительная функция, поэтому при вычислениях общей продуктивности необходимо учитывать соответствующие изменения скалярной эффективности.