发帖
雷达卡
摘要翻译：
经验研究中的偏差来源可以分为来自建模领域（例如多重共线性）和来自离群点的偏差来源。我们建议采取两步走的办法来解决这两个问题。首先，通过用多元离群点检测程序去污数据，其次，通过一致地估计生产函数的参数。我们将这种方法应用于一个德国大田作物数据面板。结果表明，去污过程检测到了多变量异常值。一般说来，多元离群控制在某些参数估计方面具有更高的精度和更合理的结果，并且似乎可以减轻多重共线性的影响。
---
英文标题：
《Robust Productivity Analysis: An application to German FADN data》
---
作者：
Mathias Kloss and Thomas Kirschstein and Steffen Liebscher and Martin
Petrick
---
最新提交年份：
2019
---
分类信息：
一级分类：Economics 经济学
二级分类：General Economics 一般经济学
分类描述：General methodological, applied, and empirical contributions to economics.
对经济学的一般方法、应用和经验贡献。
--
一级分类：Quantitative Finance 数量金融学
二级分类：Economics 经济学
分类描述：q-fin.EC is an alias for econ.GN. Economics, including micro and macro economics, international economics, theory of the firm, labor economics, and other economic topics outside finance
q-fin.ec是econ.gn的别名。经济学，包括微观和宏观经济学、国际经济学、企业理论、劳动经济学和其他金融以外的经济专题
--
---
英文摘要：
Sources of bias in empirical studies can be separated in those coming from the modelling domain (e.g. multicollinearity) and those coming from outliers. We propose a two-step approach to counter both issues. First, by decontaminating data with a multivariate outlier detection procedure and second, by consistently estimating parameters of the production function. We apply this approach to a panel of German field crop data. Results show that the decontamination procedure detects multivariate outliers. In general, multivariate outlier control delivers more reasonable results with a higher precision in the estimation of some parameters and seems to mitigate the effects of multicollinearity.
---
PDF链接：
https://arxiv.org/pdf/1902.00678
京公网安备 11010802022788号
