view in publisher's site

On the approximation of production functions: a comparison of artificial neural networks frontiers and efficiency techniques

The aim of this article is to show how Artificial Neural Networks (ANN) is a valid semi-parametric alternative for fitting empirical production functions and measuring technical efficiency. To do this a Monte-Carlo experiment is carried out on a simulated smooth production technology for assessing efficiency results of ANN compared with Data Envelopment Analysis (DEA) and Stochastic Frontier Analysis (SFA). As ANNs provides average production function estimations this article proposes a so-called thick frontier strategy for transform average estimations into a productive frontier. Main advantages of ANN are in contexts where the production function is smooth, completely unknown, contains nonlinear relationships among variables and the quantity of noise and efficiency in data is moderate. Under this scenario, the results display that an ANNs algorithm can detect, better than traditional tools, the underlying shape of the production function from observed data.

در تقریب توابع تولید: مقایسه‌ای از مرزه‌ای شبکه‌های عصبی مصنوعی و تکنیک‌های بهره‌وری

هدف این مقاله نشان دادن این است که چگونه شبکه‌های عصبی مصنوعی (ANN)یک جایگزین نیمه پارامتری معتبر برای برازش توابع تولید تجربی و اندازه‌گیری کارایی تکنیکی هستند. برای انجام این کار یک آزمایش مونت کارلو بر روی یک تکنولوژی تولید صاف شبیه‌سازی شده برای ارزیابی نتایج بهره‌وری ANN در مقایسه با آنالیز envelopment داده (DEA)و آنالیز مرزی تصادفی (SFA)انجام شده‌است. همان طور که ANN ها میانگین عملکرد تولید را تخمین می‌زنند، این مقاله یک استراتژی مرزی به اصطلاح مرزی برای تبدیل میانگین تخمین‌های متوسط به یک مرز تولیدی پیشنهاد می‌کند. مزایای اصلی ANN در زمینه‌هایی هستند که تابع تولید صاف، کاملا ناشناخته، شامل روابط غیر خطی بین متغیرها و کمیت نویز و بهره‌وری در داده متوسط است. براساس این سناریو، نتایج نشان می‌دهند که یک الگوریتم ANN ها می‌توانند، بهتر از ابزارهای سنتی، شکل اساسی تابع تولید از داده‌های مشاهده‌شده را شناسایی کنند.
ترجمه شده با

Download PDF سفارش ترجمه این مقاله این مقاله را خودتان با کمک ترجمه کنید
سفارش ترجمه مقاله و کتاب - شروع کنید

95/12/18 - با استفاده از افزونه دانلود فایرفاکس و کروم٬ چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.