DEA Bootstrap: Koreksi Bias dan Interval Kepercayaan untuk Skor Efisiensi
Analisis Penyelubungan Data (DEA) Bootstrap (Bootstrap DEA) adalah perluasan berbasis resampel dari DEA standar yang memberikan inferensi statistik yang valid untuk skor efisiensi. Diperkenalkan oleh Simar dan Wilson pada tahun 1998, metode ini mengatasi kelemahan inti DEA klasik — ketidakmampuannya untuk mengukur ketidakpastian dalam skor yang diestimasi — dengan membangun interval kepercayaan bootstrap dan estimasi efisiensi yang dikoreksi bias dari pseudo-frontier yang diresampel berulang kali.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Simar, L., & Wilson, P. W. (1998). Sensitivity analysis of efficiency scores: How to bootstrap in nonparametric frontier models. Management Science, 44(1), 49–61. DOI: 10.1287/mnsc.44.1.49 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 2). Bootstrap Data Envelopment Analysis. ScholarGate. https://scholargate.app/id/efficiency-analysis/bootstrap-dea
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Inferensi BootstrapStatistika↔ compare
- Analisis Envelopemen Data Jaringan (Network DEA)Analisis Efisiensi↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →