where α is the intercept, εj is the

where α is the intercept, εj is the error term, and Xj represents a vector of observation-specific variables for firm j that is expected to be related to the firm's efficiency score, OEj. Instead of using Tobit estimation, Simar and Wilson [32] and [33] propose an approach based on a truncated regression with a bootstrapping procedure for estimating Eq. (6). The performance of their Monte Carlo experiments is satisfactory.
More specifically, the distribution of ε j is restricted by the condition ε j≥1−α −X jβ in Eq. (6). Following Simar and Wilson [32] and [33], this study modifies Eq. (6). The true but unobserved efficiency score, OEj, in Eq. (6) is replaced by its estimate , and the distribution is assumed to be truncated normal with zero mean (before truncation), unknown variance, and a truncation point, which are determined by different conditions. Accordingly, we estimate the following:
equation(7)

ผลลัพธ์ (ไทย) 1:

ซึ่งαเป็นจุดตัดแกน εj มีข้อผิดพลาด และ Xj แทนเวกเตอร์ของตัวแปรสังเกตเฉพาะสำหรับบริษัทเจที่คาดว่าเกี่ยวข้องกับคะแนนประสิทธิภาพของบริษัท OEj แทนที่จะใช้ประมาณ Tobit, Simar และ Wilson [32] และ [33] เสนอวิธีการตามถดถอยตัดกับกระบวน bootstrapping สำหรับประเมิน Eq. (6) ประสิทธิภาพของการทดลองของ Carlo มอนเป็นพออื่น ๆ โดยเฉพาะ การกระจายของε j ถูกจำกัด โดยเงื่อนไขε j≥1−α −X jβ ใน Eq. (6) การศึกษานี้ปรับเปลี่ยน Eq. (6) ดังต่อไปนี้ Simar และ Wilson [32] และ [33], คะแนนประสิทธิภาพจริง แต่ unobserved, OEj ใน Eq. (6) ถูกแทนที่ ด้วยการประเมิน และการกระจายจะถือว่าถูกตัดปกติ กับค่าเฉลี่ยเป็นศูนย์ (ก่อนตัด), ผลต่างไม่รู้จัก จุดตัด ซึ่งถูกกำหนด โดยเงื่อนไขต่าง ๆ ดังนั้น เราประเมินต่อไปนี้:equation(7)

ผลลัพธ์ (ไทย) 2:

ที่αคือตัด, εjเป็นคำข้อผิดพลาดและ Xj เป็นเวกเตอร์ของตัวแปรสังเกตเฉพาะสำหรับ J บริษัท ที่คาดว่าจะเกี่ยวข้องกับคะแนนด้านประสิทธิภาพของ บริษัท , OEj แทนการใช้การประมาณค่าบิท Simar และวิลสัน [32] และ [33] เสนอวิธีการขึ้นอยู่กับการถดถอยตัดกับขั้นตอนการร่วมมือสำหรับการประเมินสม (6) ผลการดำเนินงานของการทดลองมอนติคาร์ของพวกเขาเป็นที่น่าพอใจ.
โดยเฉพาะอย่างยิ่งการกระจายตัวของเจεถูก จำกัด โดยสภาพεj≥1-α -X jβในสมการ (6) ต่อไปนี้ Simar และวิลสัน [32] และ [33] การศึกษาครั้งนี้สมการปรับเปลี่ยน (6) คะแนนด้านประสิทธิภาพจริง แต่ไม่มีใครสังเกต OEj ในสมการ (6) จะถูกแทนที่ด้วยประมาณการของตนและการจัดจำหน่ายจะถือว่าถูกตัดทอนปกติกับศูนย์เฉลี่ย (ก่อนตัด) ความแปรปรวนที่ไม่รู้จักและจุดตัดซึ่งจะถูกกำหนดโดยเงื่อนไขที่แตกต่าง ดังนั้นเราคาดว่าต่อไปนี้:
สมการ (7)

ผลลัพธ์ (ไทย) 3:

ที่αเป็นสกัดกั้น ε J เป็นเงื่อนไขข้อผิดพลาดและ XJ เป็นเวกเตอร์ของตัวแปรเฉพาะการสังเกตสำหรับ บริษัท เจ ที่คาดว่าจะเกี่ยวข้องกับ บริษัท ประสิทธิภาพคะแนน , oej . แทนการใช้ รวมถึงการ simar วิลสัน [ 32 ] [ 33 ] และเสนอแนวทางการยึดตัดกับกระบวนการ bootstrapping สำหรับประเมินอีคิว ( 6 )ผลการทดลองของ Monte Carlo ของพวกเขาเป็นที่พอใจ
มากขึ้นโดยเฉพาะการกระจายของε J จํากัด โดยอาการε J ≥ 1 −α− x J บีตาในอีคิว ( 6 ) ต่อไปนี้ simar วิลสัน [ 32 ] และ [ 33 ] , การศึกษาปรับอีคิว ( 6 ) การ oej จริงแต่คะแนนประสิทธิภาพ unobserved ในอีคิว ( 6 ) จะถูกแทนที่โดยการประมาณการของและการกระจายที่สันนิษฐานได้ว่าเป็นปลายตัด ปกติกับศูนย์หมายถึง ( ก่อนตัด ) , ความแปรปรวนที่ไม่รู้จัก และการตัดแต้ม ซึ่งจะพิจารณาจากเงื่อนไขที่แตกต่างกัน ดังนั้น เราประเมินตามสมการ ( 7 )

: