Bootstrap DEA: Bias Correction and Confidence Intervals for Efficiency Scores
Bootstrap Data Envelopment Analysis (Bootstrap DEA) ir uz atkārtotu izlases (resampling) balstīta standarta DEA paplašinājums, kas nodrošina statistiski derīgu secinājumu par efektivitātes rādītājiem. Ieviestā Simar un Wilson 1998. gadā, tā risina klasiskās DEA galveno trūkumu — nespēju kvantificēt novērtēto rādītāju nenoteiktību — veidojot bootstrap uzticamības intervāles un uz uzlabotu novērtējumu balstītus efektivitātes aprēķinus no atkārtoti izlasītiem pseidofrentieriem.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 2). Bootstrap Data Envelopment Analysis. ScholarGate. https://scholargate.app/lv/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.
- Bootstrap InferenceStatistika↔ compare
- Tīkla datu apvalka analīze (Network DEA)Efektivitātes analīze↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →