efficiency measures. Thus the Debre

efficiency measures. Thus the Debreu (1951)-Farrell
(1957) efficiency measures which we calculate may
overstate the inclusive Koopmans (1951) definition
of efficiency. We address the empirical significance
of slacks in Section 5.
3.2. The second step regression analysis: rationale
and method
After calculating efficiencies, it is natural to seek
to explain their variation. Earlier studies have sought
to explain variation in calculated efficiencies by
means of a second step regression, in which the
calculated efficiencies are regressed on a set of
exogenous variables using OLS or, because the efficiencies are censored variables, tobit methods. However a potentially serious shortcoming of this approach is that a part of the variation in the calculated
efficiencies can remain unaccounted for, ending up
mixing with the white noise error term and contaminating the estimated regression coefficients. Here we
adopt a different approach, in which the unexplained
part of efficiency variation is separated from the
white noise error term.
We specify the second step explanatory regression
as an SFA model, rather than as an OLS or tobit
model. In an SFA regression model the error term
contains two components, a normally distributed
white noise component, and a one-sided component,
which in this case captures that part of efficiency
variation which is not associated with the explanatory variables included in the model. This specification allows us to decompose variation in calculated
efficiencies into systematic and random parts. The
systematic part captures the effect of the exogenous
variables on calculated efficiency variation, and the
random part is captured by the one-sided error component. The entire variation in calculated efficiencies
is thereby assigned to systematic and random sources.
The second step SFA regression model is specified as
~St = O ( z f , ; / 3 ) exp( os ' - z/I), (3)
where ~/t is the vector of effficiencies calculated in
the first step using DEA, Z ft is a vector of exogenous variables, /3 is a vector of parameters to be
estimated, Vft is a symmetric white noise error component, and r f t > 0 is a random error component.
The systematic part of variation in calculated efficiencies is captured by

ผลลัพธ์ (ไทย) 2:

มาตรการที่มีประสิทธิภาพ ดังนั้น Debreu (1951) -Farrell
(1957) มาตรการที่มีประสิทธิภาพที่เราคำนวณอาจ
คุยโวรวม Koopmans (1951) ความหมาย
ของความมีประสิทธิภาพ เราอยู่อย่างมีนัยสำคัญเชิงประจักษ์
ของกางเกงทรงหลวมในมาตรา 5.
3.2 การวิเคราะห์การถดถอยขั้นตอนที่สอง: เหตุผล
และวิธีการ
หลังจากการคำนวณประสิทธิภาพมันเป็นธรรมชาติที่จะแสวงหา
ที่จะอธิบายการเปลี่ยนแปลงของพวกเขา การศึกษาก่อนหน้านี้มีความพยายาม
ที่จะอธิบายการเปลี่ยนแปลงในประสิทธิภาพการคำนวณโดย
ใช้วิธีการถดถอยขั้นตอนที่สองซึ่งใน
ประสิทธิภาพการคำนวณจะถดถอยในชุดของ
ตัวแปรภายนอกโดยใช้ OLS หรือเพราะมีประสิทธิภาพได้รับการตรวจสอบตัวแปรวิธีบิท อย่างไรก็ตามข้อบกพร่องร้ายแรงที่อาจเกิดขึ้นของวิธีนี้ก็คือส่วนหนึ่งของการเปลี่ยนแปลงในการคำนวณ
ประสิทธิภาพจะยังคงแปลกสำหรับสิ้นสุดขึ้น
ผสมกับคำว่าข้อผิดพลาดเสียงสีขาวปนเปื้อนและค่าสัมประสิทธิ์การถดถอยประมาณ ที่นี่เรา
นำวิธีการที่แตกต่างกันซึ่งไม่ได้อธิบาย
เป็นส่วนหนึ่งของการเปลี่ยนแปลงที่มีประสิทธิภาพจะแยกออกจาก
ข้อผิดพลาดเสียงยาวสีขาว.
เราระบุขั้นตอนที่สองถดถอยอธิบาย
เป็นรูปแบบ SFA แทนที่จะเป็น OLS หรือบิท
รุ่น ในรูปแบบการถดถอย SFA ระยะข้อผิดพลาด
มีสองชิ้นส่วนกระจายตามปกติ
องค์ประกอบเสียงสีขาวและองค์ประกอบด้านเดียว
ซึ่งในกรณีนี้จับส่วนหนึ่งของประสิทธิภาพ
การเปลี่ยนแปลงที่ไม่ได้เกี่ยวข้องกับตัวแปรที่อยู่ในรูปแบบ คุณสมบัตินี้ช่วยให้เราในการย่อยสลายการเปลี่ยนแปลงในการคำนวณ
ประสิทธิภาพเป็นส่วนระบบและสุ่ม
ส่วนระบบจับผลของภายนอก
ตัวแปรในรูปแบบที่มีประสิทธิภาพการคำนวณและ
ส่วนหนึ่งสุ่มถูกจับโดยองค์ประกอบความผิดพลาดด้านเดียว การเปลี่ยนแปลงทั้งในด้านประสิทธิภาพการคำนวณ
ที่ได้รับมอบหมายจึงแหล่งที่มาของระบบและสุ่ม.
ขั้นตอนที่สอง SFA แบบการถดถอยถูกระบุว่าเป็น
~ St = O (ZF,; / 3) ประสบการณ์ (OS '- z / I), (3)
ที่ ~ / T เป็นเวกเตอร์ของ effficiencies การคำนวณใน
ขั้นตอนแรกใช้ DEA, ฟุต Z เป็นเวกเตอร์ของตัวแปรภายนอก, / 3 เป็นเวกเตอร์ของพารามิเตอร์ที่จะ
ประมาณ Vft เป็นเสียงสีขาวสมมาตรองค์ประกอบข้อผิดพลาดและ RFT> 0 คือ องค์ประกอบความผิดพลาดแบบสุ่ม.
ส่วนที่เป็นระบบของการเปลี่ยนแปลงในด้านประสิทธิภาพการคำนวณถูกจับโดย

ผลลัพธ์ (ไทย) 3:

การวัดประสิทธิภาพ ดังนั้นดีบรู ( 1951 ) - ฟาร์เรล
( 1957 ) ประสิทธิภาพมาตรการที่เราคำนวณอาจ
กล่าวเกินจริงรวม koopmans ( 1951 ) นิยาม
ของประสิทธิภาพ เราที่อยู่เชิงประจักษ์สำคัญ
ของกางเกงในส่วนที่ 5 .
2 . ขั้นตอนที่ 2 การวิเคราะห์การถดถอย : เหตุผล

หลังจากการคํานวณและวิธีประสิทธิภาพ มันเป็นธรรมชาติที่จะแสวงหา
อธิบายการเปลี่ยนแปลงของพวกเขาการศึกษาก่อนหน้านี้ได้พยายามที่จะอธิบายการเปลี่ยนแปลงในประสิทธิภาพ

วิธีการคำนวณโดยการขั้นตอนที่สองซึ่งใน
คำนวณประสิทธิภาพจะกลับไปบนชุดของตัวแปรภายนอกหรือใช้
น้อยที่สุด เพราะประสิทธิภาพจะเซ็นเซอร์ต่างๆ รวมถึงวิธีการ อย่างไรก็ตามข้อบกพร่องร้ายแรงที่อาจเกิดขึ้นของวิธีการนี้คือ ส่วนหนึ่งของการเปลี่ยนแปลงในค่า
ประสิทธิภาพสามารถยังคงมีสิ้นสุด
ผสมกับข้อผิดพลาดเสียงสีขาวระยะยาวและปนเปื้อนประมาณสัมประสิทธิ์ถดถอย . ที่นี่เรา
adopt วิธีการแตกต่างกัน ซึ่งในส่วนของการอธิบาย

ใช้แยกจากข้อผิดพลาดเสียงสีขาว . .
เรากำหนดขั้นตอนที่สองการถดถอย
เป็น SFA รูปแบบแทนที่จะเป็น OLS หรือบิท
นางแบบในแบบจำลองการถดถอย SFA ในระยะความผิดพลาด
ประกอบด้วยสองส่วนประกอบกระจาย
ปกติสีขาวองค์ประกอบเสียงและองค์ประกอบด้านเดียว ซึ่งในกรณีนี้ จับ

ส่วนของประสิทธิภาพการเปลี่ยนแปลงที่ไม่ได้เกี่ยวข้องกับการอธิบายตัวแปรในโมเดล คุณสมบัตินี้ช่วยให้เราสามารถคำนวณประสิทธิภาพในการสลาย
ส่วนอย่างเป็นระบบ และสุ่ม
ส่วนระบบจับภาพผลกระทบของตัวแปรในการคำนวณประสิทธิภาพการเปลี่ยนแปลงภายนอก

ส่วนสุ่ม และถูกจับโดยองค์ประกอบความผิดพลาดฝ่ายเดียว การเปลี่ยนแปลงทั้งหมดในการคำนวณประสิทธิภาพ
จึงมอบหมายให้ระบบสุ่มแหล่ง
ขั้นตอนที่สอง SFA ถดถอยแบบระบุเป็น
~ ST = O ( Z / F ; 3 ) exp ( OS ' - z / i )
( 3 )ที่ ~ / t เป็นเวกเตอร์ของ effficiencies คำนวณ
ขั้นตอนแรกใช้ DEA , z ft คือเวกเตอร์ของตัวแปรจากภายนอก / 3 เป็นเวกเตอร์ของตัวแปรที่จะ
ประมาณ vft เป็นองค์ประกอบข้อผิดพลาดเสียงสีขาวสมมาตรและ R F t > 0 คือความคลาดเคลื่อนส่วนประกอบ .
ส่วนอย่างเป็นระบบ ของการเปลี่ยนแปลงประสิทธิภาพในการคำนวณจะถูกจับโดย