Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
2016 | nr 244 | 216
Tytuł artykułu

Modelowanie zmienności danych w ramach metody DEA

Warianty tytułu
Modelling Data Variability Using Data Envelopment Analysis
Języki publikacji
Głównym celem monografii jest zbiorcze przedstawienie wybranych sposobów modelowania zmienności danych w ramach metody analizy otoczki danych, z wyodrębnieniem dorobku autora w tym zakresie. Pod pojęciem modelowania zmienności danych rozumie się opis generowania danych za pomocą szczegółowo zdefiniowanego modelu statystycznego. Jest to szczególnie ważny problem badawczy ze względu na to, że większość modeli (programów) używanych w ramach metody DEA ma charakter deterministyczny. W związku z tym rezultaty uzyskiwane w wyniku rozwiązania odpowiednich programów liniowych są często bardzo wrażliwe na błędy w danych, zmiany współczynników programu, zmiany zbioru danych w czasie i na możliwą nieefektywność zaobserwowanych planów produkcyjnych. Rozdział pierwszy monografii zawiera opis deterministycznej wersji metody analizy obwiedni danych wraz z jej osadzeniem w teorii procesu produkcyjnego. W rozdziale drugim zamieszczono przykłady analizy zmienności danych wykorzystywane w ramach deterministycznej wersji metody. Rozdziały 3-5 zawierają najważniejsze treści metodyczne dotyczące modelowania zmienności danych w DEA na podstawie odpowiednich modeli statystycznych, czyli prezentują podejście statystyczne. Każdy z rozdziałów 1-5 monografii kończy ilustracja empiryczna omówionych treści przeprowadzona na jednolitym zestawie danych, dotyczącym jednostek produkcyjnych z sektora energetycznego w Polsce (elektrownie i elektrociepłownie). Umożliwia to porównywanie wyników w ramach rozdziałów monografii, a także z rezultatami uzyskanymi w wyniku zastosowania metod alternatywnych, konkurencyjnych w stosunku do DEA, opartych na modelach parametrycznych. (fragment tekstu)
The main objective of the monograph is to provide a collective study on selected approaches to modelling data variability using Data Envelopment Analysis (DEA), including the author's own contributions in that field. Modelling data variability involves describing a data generation mechanism by means of a specifically defined statistical model. Such an approach is essential, inasmuch as the majority of DEA models and programmes are deterministic. Therefore, the results of solving corresponding linear programmes are sensitive and strongly affected by data errors, modifications of the programme coefficients, time changes of the modelled data set, and potential inefficiency of the observed production plans. Section 1 is devoted to deterministic DEA, and sets it in the context of production process theory (Subsections 1.1-1.4). Subsection 1.5 discusses the Free Disposal Hull (FDH) method, which is closely related to DEA. Section 2 presents some examples of data variability analysis used in the deterministic variant of the method. Subsections 2.2-2.3 look at various sorts of sensitivity analysis, performed within linear programming, and used in the analysis of returns to scale, calculation of marginal characteristics of a piecewise linear technology and examination of the impact of changes in inputs and outputs upon an economic unit's technical efficiency. Subsection 2.4 introduces the rudiments of a dynamic analysis of time-variability of technical efficiency, utilising the Mälmquist indices. Sections 3-5 elaborate on the most crucial methodological issues in modelling data variability with the DEA approach, founded on relevant statistical models. Models constructed in the 1990s by R. D. Banker, which spawned further model extensions and modifications, are presented in Section 3. Section 4 provides details on what is currently the most complete approach, developed by a team of researchers led by L. Simar. Aside from the details of the statistical model itself, various methods of estimating its parameters are discussed, along with their properties and an evaluation of the estimation's accuracy. This section also contains other issues pertaining to statistical inference, such as hypothesis testing. Section 5 describes the DEA+ and StoNED methods, which are hinged upon the idea of a composed error term within the statistical DEA approach. The two draw upon semiparametric variants of selected stochastic frontier models, the former of which, in author's opinion, still leaves some room for improvement. Each of Sections 1-5 is completed with an empirical illustration, with each using the same data set on Polish power stations. This enables us to collate and compare results obtained in different sections of the monograph, as well as with those that some alternative parametric models have produced. The production units provide a single good (energy), thereby also allowing the use of single-output-only models and methods. On the other hand, there is no loss of generality as a result of not considering multi-output data, typically encountered in the DEA applications, for there are no essential differences between illustrations of single- and multi-output methods. It should also be emphasized that the data set used in the studies comprises a few dozen observations, which is the size of data sets typically tackled with DEA. This size also makes it possible to display the results for each unit separately, either in a figure or a table. Nevertheless, one should bear in mind that as large as possible a number of observations is needed for the asymptotic properties of the methods to come into operation. The final Section 6 illustrates the methodology presented and developed in Sections 3-5 with a study on a group of Polish forest districts. This section is intended to highlight the practical utility and versatility of the methods and models considered in the monograph. As compared with the data set on the Polish power plants, the current one comprises more up-to-date data, and features a larger number of observations. (original abstract)
  • Uniwersytet Ekonomiczny w Krakowie
  • Afriat S. [1967], The Construction of a Utility Function from Expenditure Data, "International Economic Review", vol. 8, s. 67-77.
  • Afriat S. [1972], Efficiency Estimation of Production Functions, "International Economic Review", vol. 13, s. 568-598.
  • Agrell J., Tind J. [2001], A Dual Approach to Nonconvex Frontier Models, "Journal of Productivity Analysis", vol. 16, s. 129-147.
  • Aigner D., Chu S. [1968], On Estimating the Industry Production Function, "American Economic Review", vol. 58, s. 826-839.
  • Aigner D., Lovell C., Schmidt P. [1977], Formulation and Estimation of Stochastic Frontier Models, "Journal of Econometrics", vol. 6, s. 21-37.
  • Badania operacyjne w przykładach i zadaniach [2011], red. K. Kukuła, PWN, Warszawa.
  • Badin L., Daraio C., Simar L. [2014], Explaining Inefficiency in Nonparametric Production Models: The State of the Art, "Annals of Operations Research", vol. 214(1), s. 5-30.
  • Badunenko O., Henderson D., Kumbhakar S. [2012], When, Where and How to Perform Efficiency Estimation, "Journal of the Royal Statistical Society A", vol. 175(4), s. 863-892.
  • Badunenko O., Henderson D., Russell R. [2013], Polarization of the Worldwide Distribution of Productivity, "Journal of Productivity Analysis", vol. 40(2), s. 153-171.
  • Badunenko O., Henderson D., Zelenyuk V. [2008], Technological Change and Transition: Relative Contribution to Worldwide Growth during the 1990s, "Oxford Bulletin of Economics and Statistics", vol. 70(4), s. 461-492.
  • Banker R. [1993], Maximum Likelihood, Consistency and Data Envelopment Analysis: A Statistical Foundation, "Management Science", vol. 39(10), s. 1265-1273.
  • Banker R. [1996], Hypothesis Tests Using Data Envelopment Analysis, "Journal of Productivity Analysis", vol. 7, s. 139-159.
  • Banker R., Chang H. [1995], A Simulation Study of Hypothesis Tests for Differences in Efficiencies, "International Journal of Production Economics", vol. 39, s. 37-54.
  • Banker R., Chang H., Feroz E. [2014], Performance Measurement in Nonprofit Governance: An Empirical Study of the Minnesota Independent School Districts, "Annals of Operations Research", vol. 221(1), s. 47-71.
  • Banker R., Chang H., Natarajan R. [2007], Estimating DEA Technical and Allocative Inefficiency Using Aggregate Cost or Revenue Data, "Journal of Productivity Analysis", vol. 27(2), s. 115-121.
  • Banker R., Charnes A., Cooper W. [1984], Some Models for Estimating Technical and Scale Inefficiencies in DEA, "Management Science", vol. 30(9), s. 1078-1091.
  • Banker R., Conrad R., Strauss R. [1986], A Comparative Application of Data Envelopment Analysis and Translog Methods: An Illustrative Study of Hospital Production, "Management Science", vol. 32(1), s. 30-44.
  • Banker R., Janakiraman S., Natarajan R. [2002], Evaluating the Adequacy of Parametric Functional Forms in Estimating Monotone and Concave Production Functions, "Journal of Productivity Analysis", vol. 17(1-2), s. 111-132.
  • Banker R., Thrall R. [1992], Estimation of Return to Scale using Data Envelopment Analysis, "European Journal of Operational Research", vol. 62, s. 74-84.
  • Begg D. [1996], Ekonomia: mikroekonomia, PWE, Warszawa.
  • Bierens H. [1994], Topics in Advanced Econometrics, Cambridge University Press, Cambridge.
  • Black J. [2008], Słownik ekonomii, PWN, Warszawa.
  • Boles J. [1967], Efficiency Squared - Efficient Computation of Efficiency Indexes [w:] Western Farm Economic Association, Proceedings 1966, Pullman, Washington, s. 137-142.
  • Boles J. [1971], The 1130 Farrell Efficiency System - Multiple Products, Multiple Factors, Giannini Foundation of Agricultural Economics, Berkeley.
  • Byrnes P., Färe R., Grosskopf S., Lovell C. [1988], The Effect of Unions on Productivity: U. S. Surface Mining of Coal, "Management Science", vol. 34(9), s. 1037-1053.
  • Caves D., Christensen L., Diewert W. [1982], The Economic Theory of Index Numbers and the Measurement of Input, Output, and Productivity, "Econometrica", vol. 50(6), s. 1393-1413.
  • Charnes A., Cooper W. [1985], Preface to Topics in Data Envelopment Analysis, "Annals of Operations Research", vol. 2, s. 59-94.
  • Charnes A., Cooper W., Lewin A., Morey R., Rousseau J. [1985], Sensitivity and Stability Analysis in DEA, "Annals of Operations Research", vol. 2, s. 139-156.
  • Charnes A., Cooper W., Rhodes E. [1978], Measuring the Efficiency of Decision Making Units, "European Journal of Operational Research", vol. 2(6), s. 429-444.
  • Charnes A., Neralić L. [1989a], Sensitivity Analysis in Data Envelopment Analysis - Part 1, "Glasnik Matematički", vol. 24(44), s. 211-226.
  • Charnes A., Neralić L. [1989b], Sensitivity Analysis in Data Envelopment Analysis - Part 2, "Glasnik Matematički", vol. 24(44), s. 449-463.
  • Charnes A., Neralić L. [1990], Sensitivity Analysis of the Additive Model in Data Envelopment Analysis, "European Journal of Operational Research", vol. 48, s. 332-341.
  • Charnes A., Neralić L. [1992], Sensitivity Analysis in Data Envelopment Analysis - Part 3, "Glasnik Matematički", vol. 27(47), s. 191-201.
  • Cooper W., Seiford L., Tone K. [2006], Introduction to Data Envelopment Analysis and Its Uses, Springer, New York.
  • Debreu G. [1951], The Coefficient of Resource Utilization, "Econometrica", vol. 19(3), s. 273-292.
  • Deprins D., Simar L., Tulkens H. [1984], Measuring Labor Eäficiency in Post Offices [w:] The Performance of Public Enterprises: Concepts and Measurements, red. M. Marchand, P. Pestieau, H. Tulkens, North-Holland, Amsterdam, s. 243-267.
  • Diewert W. [1980], Capital and the Theory of Productivity Measurement, "American Economic Review", vol. 70(2), s. 260-267.
  • Domagała A. [2009], Zastosowanie metody Data Envelopment Analysis do badania efektywności europejskich giełd papierów wartościowych, niepublikowana praca doktorska, Uniwersytet Ekonomiczny w Poznaniu, Poznań.
  • Encyklopedia popularna PWN [2005], red. B. Kaczorowski, PWN, Warszawa.
  • Engelking R. [1975], Topologia ogólna, PWN, Warszawa.
  • Fan Y., Li Q., Weersink A. [1996], Semiparametric Estimation of Stochastic Production Frontier Models, "Journal of Business and Economic Statistics", vol. 14(4), s. 460-468.
  • Färe R. [1988], Fundamentals of Production Theory, Springer-Verlag, Berlin.
  • Färe R., Grosskopf S., Lovell C.A.K. [1983], The Structure of Technical Efficiency, "Scandinavian Journal of Economics", vol. 85(2), s. 181-190.
  • Färe R., Grosskopf S., Lovell C. [1994], Production Frontiers, Cambridge University Press, Cambridge.
  • Färe R., Grosskopf S., Norris M., Zhang Z. [1994], Productivity Growth, Technical Progress, and Efficiency Change in Industrialized Countries, "American Economic Review", vol. 84(1), s. 66-83.
  • Färe R., Lovell C. [1978], Measuring the Technical Efficiency of Production, "Journal of Economic Theory", vol. 19(1), s. 150-162.
  • Farrell M. [1957], The Measurement of Productive Efficiency, "Journal of the Royal Statistical Society", Seria A, vol. 120(3), s. 253-281.
  • Fernández C., Osiewalski J., Steel M. [1997], On the Use of Panel Data in Stochastic Frontier Models with Improper Priors, "Journal of Econometrics", vol. 79, s. 169-193.
  • Ferrier G., Hirschberg J. [1997], Bootstrapping Confidence Intervals for Linear Programming Efficiency Scores: With an Illustration Using Italian Banking Data, "Journal of Productivity Analysis", vol. 8, s. 19-33.
  • Førsund F., Hjalmarsson L. [1974], On the Measurement of the Productive Efficiency, "Swedish Journal of Economics", vol. 16, s. 141-154.
  • Førsund F., Hjalmarsson L. [1979], Generalised Farrell Measures of Efficiency: An Application to Milk Processing in Swedish Dairy Plants, "Economic Journal", vol. 89, s. 294-315.
  • Førsund F., Sarafoglou N. [2002], On the Origins of Data Envelopment Analysis, "Journal of Productivity Analysis", vol. 17, s. 23-40.
  • Fraser D., Massam H. [1989], A Mixed Primal-dual Bases Algorithm for Regression under Inequality Constraints: Application to Concave Regression, "Scandinavian Journal of Statistics", vol. 16, s. 65-74.
  • Gijbels I., Mammen E., Park B., Simar L. [1999], On Estimation of Monotone and Concave Frontier Function, "Journal of the American Statistical Association", vol. 94, s. 220-228.
  • Grabowski W. [1980], Programowanie matematyczne, PWE, Warszawa.
  • Greene W. [2008], The Econometric Approach to Efficiency Analysis [w:] The Measurement of Productive Efficiency and Productivity Growth, red. H. Fried, K. Lovell, S. Schmidt, Oxford University Press, New York.
  • Groeneboom P., Jongbloed G., Wellner J. [2001], Estimation of a Convex Function: Characterizations and Asymptotic Theory, "Annals of Statistics", vol. 29, s. 1653-1698.
  • Growiec J. [2012], Zagregowana funkcja produkcji w ekonomii wzrostu gospodarczego i konwergencji, Wydawnictwo SGH, Warszawa.
  • Growiec J., Pajor A., Górniak D., Prędki A. [2015], The Shape of Aggregate Production Functions: Evidence from Estimates of the World Technology Frontier, "Bank i Kredyt", vol. 46(4), s. 299-326.
  • Gstach D. [1998], Another Approach to Data Envelopment Analysis in Noisy Environments: DEA+, "Journal of Productivity Analysis", vol. 9, s. 161-176.
  • Gstach D. [1999], Technical Efficiency in Noisy Multi-output Settings, "CEJOR", vol. 7, s. 93-110.
  • Guzik B. [2007], O pewnej możliwości uwzględniania substytucji nakładów w modelach DEA, "Badania Operacyjne i Decyzje", vol. 3-4, s. 71-92.
  • Guzik B. [2008], Model nadefektywności DEA na tle modelu CCR, "Wiadomości Statystyczne", nr 1, s. 27-37.
  • Guzik B. [2009], Podstawowe modele DEA w badaniu efektywności gospodarczej i społecznej, Wydawnictwo Uniwersytetu Ekonomicznego w Poznaniu, Poznań.
  • Halmos P. [1974], Measure Theory, Springer, New York.
  • Hanson D., Pledger G. [1976], Consistency in Concave Regression, "Annals of Statistics" vol. 4(6), s. 1038-1050.
  • Hildreth C. [1954], Point Estimates of Ordinates of Concave Functions, "JASA", vol. 49, s. 598-619.
  • Horrace W., Schmidt P. [1996], Confidence Statements for Efficiency Estimates from Stochastic Frontier Models, "Journal of Productivity Analysis", vol. 7, s. 257-282.
  • Ibragimov I., Khasminskii R. [1981], Statistical Estimation: Asymptotic Theory, Springer-Verlag, New York.
  • Jeong S., Simar L. [2006], Linearly Interpolated FDH Efficiency Score for Nonconvex Frontiers, "Journal of Multivariate Analysis", vol. 97, s. 2141-2161.
  • Jondrow J., Lovell C., Materov I., Schmidt P. [1982], On Estimation of Technical Inefficiency in the Stochastic Frontier Production Function Model, "Journal of Econometrics", vol. 19, s. 233-238.
  • Kania E. [1998], Zastosowanie metody DEA do porównywania efektywności kształcenia w szkołach wyższych [w:] Ekonometria czasu transformacji, red. A. Barczak, Wydawnictwo Akademii Ekonomicznej w Katowicach, Katowice, s. 187-196.
  • Kneip A., Park B., Simar L. [1998], A Note on the Convergence of Nonparametric DEA Estimators for Production Efficiency Scores, "Econometric Theory", vol. 14, s. 783-793.
  • Kneip A., Simar L., Wilson P. [2008], Asymptotics and Consistent Bootstraps for DEA Estimators in Nonparametric Frontier Models, "Econometric Theory", vol. 24, s. 1663-1697.
  • Kneip A., Simar L., Wilson P. [2011], A Computationally Efficient, Consistent Bootstrap for Inference With Non-parametric DEA Estimators, "Computational Economics", vol. 38(4), s. 483-515.
  • Kocel J. [2004], Metoda określania jednostkowych kosztów standardowych prac leśnych na podstawie grupowania nadleśnictw o zbliżonych warunkach przyrodniczo-leśnych, "Leśne Prace Badawcze", nr 3, s. 31-51.
  • Koop G., Osiewalski J., Steel M. [1997], Bayesian Efficiency Analysis through Individual Effects: Hospital Cost Frontiers, "Journal of Econometrics", vol. 76, s. 77-105.
  • Koop G., Osiewalski J., Steel M. [1999], The Components of Output Growth: A Stochastic Frontier Analysis, "Oxford Bulletin of Economics and Statistics", vol. 61 (4), s. 455-488.
  • Koop G., Osiewalski J., Steel M. [2000], Modeling the Sources of Output Growth in a Panel of Countries, "Journal of Business and Economic Statistics", vol. 18, s. 284-299.
  • Koopmans T. [1951], Activity Analysis of Production and Allocation, J. Wiley & Sons, New York.
  • Korostelev A., Simar L., Tsybakov A. [1995a], Efficient Estimation of Monotone Boundaries, "Annals of Statistics", vol. 23, s. 476-489.
  • Korostelev A., Simar L., Tsybakov A. [1995b], On Estimation of Monotone and Convex Boundaries, "Publications de l'Institut de Statistique des Universités de Paris XXXIX", vol. 1, s. 3-18.
  • Korostelev A., Tsybakov A. [1993], Minimax Theory of Image Reconstruction, Springer-Verlag, New York.
  • Kulczycki P. [2005], Estymatory jądrowe w analizie systemowej, WNT, Warszawa.
  • Kumar S., Russell R. [2002], Technological Change, Technological Catch-up, and Capital Deepening: Relative Contributions to Growth and Convergence, "American Economic Review", vol. 92(3), s. 527-548.
  • Kumbhakar S., Lovell C. [2000], Stochastic Frontier Analysis, Cambridge University Press, Cambridge.
  • Kuosmanen T. [2006], Stochastic Nonparametric Envelopment of Data: Combining Virtues of SFA and DEA in a Unified Framework, "MTT Discussion Paper", nr 3,, data dostępu: 28.12.2015.
  • Kuosmanen T. [2008], Representation Theorem for Convex Nonparametric Least Squares, "Journal of Econometrics", vol. 11, s. 308-325.
  • Kuosmanen T., Fosgerau M. [2009], Neoclassical versus Frontier Production Models? Testing for the Skewness of Regression Residuals, "Scandinavian Journal of Economics", vol. 111(2), s. 351-367.
  • Kuosmanen T., Johnson A. [2010], Data Envelopment Analysis as Nonparametric Least Squares Regression, "Operations Research", vol. 58(1), s. 149-160.
  • Kuosmanen T., Kortelainen M. [2012], Stochastic Non-smooth Envelopment of Data: Semi-parametric Frontier Estimation Subject to Shape Constraints, "Journal of Productivity Analysis", vol. 38, s. 11-28.
  • Kuosmanen T., Kuosmanen N. [2009], Role of Benchmark Technology in Sustainable Value Analysis: An Application to Finnish Dairy Farms, "Agricultural and Food Science", vol. 18, s. 302-316.
  • Kuosmanen T., Saastamoinen A., Sipiläinen T. [2013], What Is the Best Practice for Benchmark Regulation of Electricity Distribution? Comparison of DEA, SFA and StoNED Methods, "Energy Policy", vol. 61, s. 740-750.
  • Löthgren M. [1997], Generalized Stochastic Frontier Production Models, "Economics Letters", vol. 57, s. 255-259.
  • Löthgren M., Tambour M. [1996], Alternative Approaches to Estimate Returns to Scale in DEA - Models, "SSE Working Paper Series in Economics and Finance", nr 90,, data dostępu: 28.12.2015.
  • Löthgren M., Tambour M. [1999], Testing Scale Efficiency in DEA Models: A Bootstrapping Approach, "Applied Economics", vol. 31, s. 1231-1237.
  • Malaga K. [2010], Mikroekonomia: oswajanie z matematyką, Wydawnictwo C.H. Beck, Warszawa.
  • Malawski A. [1999], Wprowadzenie do ekonomii matematycznej, Wydawnictwo Akademii Ekonomicznej w Krakowie, Kraków.
  • Marzec J., Osiewalski J. [2008], Bayesian Inference on Technology and Cost Efficiency of Bank Branches, "Bank i Kredyt", vol. 39(9), s. 29-43.
  • Marzec J., Pisulewski A., Prędki A. [2015], Efektywność techniczna gospodarstw mlecznych w Polsce - analiza porównawcza za pomocą DEA i BSFA "Metody Ilościowe w Badaniach Ekonomicznych", vol. 16(4), s. 7-23.
  • Meeusen W., Van den Broeck J. [1977], Efficiency Estimation from Cobb-Douglas Production Functions with Composed Error, "International Economic Review", vol. 18(2), s. 435-444.
  • Milewski R. [1998], Podstawy ekonomii, PWN, Warszawa.
  • Ombach J. [1993], Wstęp do rachunku prawdopodobieństwa, Wydawnictwo Uniwersytetu Jagiellońskiego, Kraków.
  • Osiewalski J., Steel M. [1998], Numerical Tools for the Bayesian Analysis of Stochastic Frontier Models, "Journal of Productivity Analysis", vol. 10, s. 103-117.
  • Osiewalski J., Wróbel-Rotter R. [2002], Bayesowski model efektów losowych w analizie efektywności kosztowej (na przykładzie elektrowni i elektrociepłowni polskich), "Przegląd Statystyczny", vol. 50(2), s. 47-68.
  • Pajor A., Prędki A. [2009], Estymacja miernika efektywności technicznej w ramach metody DEA, "Przegląd Statystyczny", vol. 56(3-4), s. 5-25.
  • Pareto V. [1906], Manuale di economia politica, Societa Editrice, Milano.
  • Park B., Jeong S., Simar L. [2010], Asymptotic Distribution of Conical-hull Estimators of Directional Edges, "Annals of Statistics", vol. 38, s. 1320-1340.
  • Park B., Simar L., Weiner Ch. [2000], The FDH Estimator for Productivity Efficiency Scores, "Econometric Theory", vol. 16, s. 855-877.
  • Parmeter Ch., Kumbhakar S. [2014], Efficiency Analysis: A Primer on Recent Advances, "Foundations & Trends in Econometrics", vol. 7(3-4), s. 191-385.
  • Politis D., Romano J., Wolf M. [2001], On the Asymptotic Theory of Subsampling, "Statistica Sinica", vol. 11, s. 1105-1124.
  • Prędki A. [2002], Stałe i zmienne czynniki produkcji w badaniu efektywności kosztowej za pomocą metody DEA, "Przegląd Statystyczny", vol. 49(3), s. 121-134.
  • Prędki A. [2003], Metoda DEA w ekonomicznej analizie procesu produkcyjnego, niepublikowana praca doktorska, Akademia Ekonomiczna w Krakowie, Kraków.
  • Prędki A. [2004], Badanie efektywności jednostek gospodarczych w sferze przychodów za pomocą metody DEA [w:] Metody i zastosowania badań operacyjnych'04, red. T. Trzaskalik, Wydawnictwo Akademii Ekonomicznej w Katowicach, Katowice, s. 285-295.
  • Prędki A. [2006a], Definiowanie globalnego i lokalnego efektu skali w ramach badania efektywności metodą DEA, "Przegląd Statystyczny", vol. 53(3), s. 57-72.
  • Prędki A. [2006b], Indeksy Mälmquista w analizie zmian efektywności technicznej [w:] Modelowanie preferencji a ryzyko'06, red. T. Trzaskalik, Wydawnictwo Akademii Ekonomicznej w Katowicach, Katowice, s. 105-114.
  • Prędki A. [2010a], Estymacja zbioru możliwości produkcyjnych w ramach formalnego modelu statystycznego, "Przegląd Statystyczny", vol. 57(4), s. 3-18.
  • Prędki A. [2010b], Propozycja opisu niepewności w ramach metod DEA i FDH, "Prace Naukowe UE we Wrocławiu", nr 108, s. 207-218.
  • Prędki A. [2010c], Własności i zastosowanie estymatorów miar efektywności technicznej Farrella [w:] Metody i zastosowania badań operacyjnych'10, red. M. Nowak, Wydawnictwo Uniwersytetu Ekonomicznego w Katowicach, Katowice, s. 175-194.
  • Prędki A. [2011a], Analiza wrażliwości w ramach modelu CCR [w:] Optymalizacja, klasyfikacja, logistyka, red. J. Gajda, R. Jadczak, Wydawnictwo Uniwersytetu Łódzkiego, Łódź, s. 205-218.
  • Prędki A. [2011b], Spojrzenie na metody estymacji w modelach regresyjnych przez pryzmat programowania matematycznego, "Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu", nr 238, s. 365-378.
  • Prędki A. [2012a], Geneza zbiorów możliwości produkcyjnych wykorzystywanych w DEA, "Zeszyty Naukowe UEP", nr 241, s. 126-137.
  • Prędki A. [2012b], Homogeniczny bootstrap Simara i Wilsona w estymacji miary efektywności technicznej, "Zeszyty Naukowe Uniwersytetu Ekonomicznego w Krakowie", nr 884, s. 103-117.
  • Prędki A. [2012c], Podejście statystyczne w metodzie DEA na przykładzie jednoproduktowego modelu Bankera, "Folia Oeconomica Cracoviensia", vol. 53, s. 41-58.
  • Prędki A. [2012d], Wybrane metody estymacji w semiparametrycznym modelu granicznym, "Przegląd Statystyczny", vol. 59(3), s. 215-232.
  • Prędki A. [2013a], Formalne testowanie typu efektu skali w ramach metody DEA [w:] Metody i zastosowania badań operacyjnych w gospodarce, finansach i szkolnictwie wyższym, red. W. Sikora, Wydawnictwo Uniwersytetu Ekonomicznego w Poznaniu, Poznań, s. 190-208.
  • Prędki A. [2013b], Subsampling Approach for Statistical Inference within Stochastic DEA Models, "Metody ilościowe w badaniach ekonomicznych", vol. 14(2), s. 158-168.
  • Prędki A. [2014a], A Multi-product Version of the DEA+ Method, "Metody Ilościowe w Badaniach Ekonomicznych", vol. 15(2), s. 317-329.
  • Prędki A. [2014b], Metoda DEA+ w wersji jednoproduktowej, "Przegląd Statystyczny", vol. 61(2), s. 115-129.
  • Prędki A. [2015], Zastosowanie wieloproduktowego modelu Bankera w analizie efektywności technicznej [w:] Badania operacyjne. Przykłady zastosowań, red. J. Gajda, R. Jadczak, Wydawnictwo Uniwersytetu Łódzkiego, Łódź, s. 187-200.
  • Richmond J. [1974], Estimating the Efficiency of Production, "International Economic Review", vol. 15(2), s. 515-521.
  • Robbins L. [1932], An Essay on the Nature and Significance of Economic Science, Macmillan and Co. Limited, London.
  • Rogowski G. [1996], Analiza i ocena działalności banków z wykorzystaniem metody DEA, "Bank i Kredyt", nr 9, s. 41-48.
  • Rogowski G. [1998], Metody analizy i oceny banku na potrzeby zarządzania strategicznego, Wydawnictwo Wyższej Szkoły Bankowej, Poznań.
  • Schmidt P. [1976], On the Statistical Estimation of Parametric Frontier Production Functions, "Review of Economics and Statistics", vol. 58, s. 238-239.
  • Serfling R. [1991], Twierdzenia graniczne statystyki matematycznej, PWN, Warszawa.
  • Shephard R.W. [1953], Cost and Production Functions, Princeton University Press, Princeton.
  • Sickles R. [2005], Panel Estimators and the Identification of Firm-Specific Efficiency Levels in Parametric, Semiparametric and Nonparametric Settings, "Journal of Econometrics", vol. 126, s. 305-334.
  • Simar L., Wilson P. [1998], Sensitivity Analysis of Efficiency Scores: How to Bootstrap in Nonparametric Frontier Models, "Management Science", vol. 44, s. 49-61.
  • Simar L., Wilson P. [1999], Some Problems with the Ferrier/Hirschberg Bootstrap Idea, "Journal of Productivity Analysis", vol. 11, s. 67-80.
  • Simar L., Wilson P. [2000a], A General Methodology for Bootstrapping in Nonparametric Frontier Models, "Journal of Applied Statistics", vol. 27, s. 779-802.
  • Simar L., Wilson P. [2000b], Statistical Inference in Nonparametric Frontier Models: The State of the Art, "Journal of Productivity Analysis", vol. 13, s. 49-78.
  • Simar L., Wilson P. [2001], Testing Restrictions in Nonparametric Efficiency Models, "Communications in Statistics: Simulation and Computation", vol. 30(1), s. 159-184.
  • Simar L., Wilson P. [2002], Nonparametric Tests of Returns to Scale, "European Journal of Operational Research", vol. 139, s. 115-132.
  • Simar L., Wilson P. [2008], Statistical Inference in Nonparametric Frontier Models: Recent Developments and Perspectives [w:] The Measurement of Productive Efficiency and Productivity Growth, red. H. Fried, K. Lovell, S. Schmidt, Oxford University Press, New York.
  • Simar L., Wilson P. [2010], Estimation and Inference in Crosssectional Stochastic Frontier Models, "Econometric Reviews", vol. 29(1), s. 62-98.
  • Simar L., Wilson P. [2011], Inference by the m out of n Bootstrap in Nonparametric Frontier Models, "Journal of Productivity Analysis", vol. 36, s. 33-53.
  • Studies in Public Regulation [1981], red. G. Fromm, MIT Press, Cambridge.
  • Tate M., Brown S. [1970], Note on the Cochran Q test, "JASA", vol. 65(329), s. 155-160.
  • Timmer C. [1971], Using a Probabilistic Frontier Production Function to Measure Technical Efficiency, "Journal of Political Economy", vol. 79, s. 767-794.
  • Tulkens H. [1993], On FDH Efficiency Analysis: Some Methodological Issues and Applications to Retail Banking, Courts, and Urban Transit, "Journal of Productivity Analysis", vol. 4, s. 183-210.
  • Varian H. [1982], The Nonparametric Approach to Demand Analysis, "Econometrica", vol. 50, s. 945-973.
  • Varian H. [1997], Mikroekonomia, PWN, Warszawa.
  • Welfe A., Brzeszczyński J., Majsterek M. [2002], Słownik terminów metod ilościowych, PWE, Warszawa.
  • Wilson P. [2008], FEAR: A Software Package for Frontier Efficiency Analysis with R, "Socio-Economic Planning Sciences", vol. 42, s. 247-254.
  • Wprowadzenie do ekonometrii [2009], red. K. Kukuła, PWN, Warszawa.
  • Wu C. [1982], Some Algorithms for Concave and Isotonic Regression, "TIMS Studies in Management Science", vol. 19, s. 105-116.
  • Yatchew A., Bos L. [1997], Nonparametric Regression and Testing in Economic Models, "Journal of Quantitative Economics", vol. 13, s. 81-131.
  • Zofio J. [2007], Mälmquist Productivity Index Decompositions: A Unifying Framework, "Applied Economics", vol. 39, s. 2371-2387.
Typ dokumentu
Identyfikator YADDA

Zgłoszenie zostało wysłane

Zgłoszenie zostało wysłane

Musisz być zalogowany aby pisać komentarze.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.