Model McFaddena w analizie kosztu i popytu na czynniki produkcji - ujęcie bayesowskie

Czasopismo

---

• Autorzy: Renata Wróbel-Rotter
• Języki publikacji: PL

Abstrakty

Niniejsza praca ma na celu prezentację zastosowania w analizie procesu produkcyjnego mikroekonomicznej funkcji kosztu zmiennego oraz funkcji warunkowego popytu na czynniki produkcji (Conditional Factor Demand), wyznaczonych na podstawie twierdzenia Shepharda. Drugi wątek pracy koncentruje się wokół problemów modelowania procesu produkcyjnego z wykorzystaniem dwóch alternatywnych modeli, tj. krótkookresowej mikroekonomicznej funkcji kosztu zmiennego oraz krótkookresowych funkcji warunkowego popytu na zmienne czynniki produkcji. Zaprezentowano podejście bayesowskie do estymacji parametrów funkcji warunkowego popytu na czynniki produkcji wykorzystujące bayesowskie modele efektów losowych wraz z ich uogólnieniem na przypadek nieliniowych modeli wielorównaniowych w sytuacji występowania zjawiska nieefektywności technicznej i alokacyjnej.

Słowa kluczowe

PL

Funkcje kosztów; Modele stochastyczne; Wnioskowanie bayesowskie

EN

Costs functions; Stochastic models; Bayesian inference

• Czasopismo: ---
• Strony: 85--105

Twórcy

autor

Renata Wróbel-Rotter

Bibliografia

• Aigner D.; Lovell C.A.K., Schmidt P. 1977. Formulation and estimation of stochastic frontier production function models, Journal of Econometrics 6.
• Atkinson S.E., Halvorsen R. 1984. Parametric efficiency test, economies of scale and input demand in U.S. electric power generation, International Economic Review 25.
• Casella G.; George E. 1992. Explaining the Gibbs sampler, The American Statistician 46.
• Christensen L.R., Greene W.H. 1976. Economies of scale in U.S. electric power generation, journal of Political Economy 84.
• DeGroot M. 1981. Optymalne decyzje statystyczne, PWN, Warszawa.
• Diewert W.E. 1971. An application of the Shephard duality theorem: a Generalized Leontief production function, Journal of Political Economy 79.
• Diewert W.E., Wales TJ. 1987. Flexible functional forms and global curvature conditions, Econometrica55.
• Eakin K. 1993. Do physicians minimize cost? [in:] The measurement of productive efficiency, techniques and applications, eds. Fried H., Lovell C.A.K., Schmidt S.S., Oxford University Press, New York.
• Farrell M.J. 1957. The measurement of productive efficiency, Journal of the Royal Statistical Society, Series A 120.
• Koop G., Osiewalski J., Steel M.FJ. 1994. Bayesian efficiency analysis with a flexible form: The AIM cost function, Journal of Business and Economic Statistics 12.
• Koop G., Osiewalski J., Steel M.FJ. 1997. Bayesian efficiency analysis through individual effects: Hospital cost frontiers, Journal of Econometrics 79.
• Kumbhakar S.C. 1987. The specification of technical and allocative efficiency in stochastic production and profit frontiers, Journal of Econometrics 34.
• Kumbhakar S.C. 1992. Allocative distortions, technical progress and input demand in U.S. airlines: 1970-1984, International Economic Review 33.
• Kumbhakar S.C. 1996. Efficiency measurement with multiple outputs and multiple inputs, Journal of Productivity Analysis 7.
• Kumbhakar S.C. 1997. Modelling allocative efficiency in a translog cost function and cost share equations: An exact relationship, Journal of Econometrics 76.
• Lau L.J., Yotopoulos P.A. 1971. A test for relative efficiency and application to Indian agriculture, The American Economic Review 61.
• Lovell K.C.A. 1993. Production frontiers and productive efficiency [in:] The Measurement Of Productive Efficiency — Techniques And Applications, eds. Fried H.O., Lovell K.C.A., Schmidt S.S., Oxford University Press, New York.
• Meeusen W., van den Broeck J. 1977. Efficiency estimation from Cobb — Douglas production functions with composed error, International Economic Review 8.
• O'Hagan A. 1994. Bayesian Inference, Edward Arnold, London.
• Osiewalski J. 2001. Ekonometria bayesowska w zastosowaniach, Wydawnictwo AE w Krakowie, Kraków.
• Schmidt P., Lovell C.A.K. 1979. Estimating technical and allocative inefficiency relative to stochastic production and cost frontiers, Journal of Econometrics 9.
• Shephard R.W. 1953. Cost and Production Function, Princeton N.J.: Princeton University Press.
• Toda Y. 1976. Estimation of a cost function when the cost is not minimum: the case of Soviet manufacturing industries, 1958-1971, Review of Economics and Statistics 58.
• Varian A. H. 1992. Microeconomics Analysis, Third Edition, W.W Norton, New York.
• Wróbel-Rotter R. 2001. Giętkie formy funkcyjne w empirycznej analizie kosztu. Podejście Diewerta i wnioskowanie bayesowskie, Ekonomista 4/2001.
• Wróbel-Rotter R. 2002. „Postacie funkcji i metody estymacji w stochastycznych modelach granicznych", praca doktorska pod kierunkiem J. Osiewalskiego, Katedra Ekonometrii, AE w Krakowie,maszynopis niepublikowany.
• Wróbel-Rotter R. 2004a. Bayesowska analiza technologii i efektywności kosztowej na podstawie uogólnionego modelu Leontiewa, Przegląd Statystyczny 3.
• Wróbel-Rotter R. 2004b. „Bayesowskie porównywanie giętkich form funkcyjnych jako granicznych funkcji kosztu", Przegląd Statystyczny, w druku.