Dip. Economia Politica e Statistica

Slides:



Advertisements
Presentazioni simili
Test delle ipotesi Il test consiste nel formulare una ipotesi (ipotesi nulla) e nel verificare se con i dati a disposizione è possibile rifiutarla o no.
Advertisements

CORSO DI ECONOMIA POLITICA MACROECONOMIA Docente: Prof.ssa M. Bevolo
La tecnologia di produzione
Le distribuzioni di probabilità continue
2. Introduzione alla probabilità
Proprietà degli stimatori
Laboratorio Processi Stocastici
Variabili casuali a più dimensioni
Inferenza Statistica Le componenti teoriche dell’Inferenza Statistica sono: la teoria dei campioni la teoria della probabilità la teoria della stima dei.
Lez. 3 - Gli Indici di VARIABILITA’
ANALISI DELLA COVARIANZA
Metodi Quantitativi per Economia, Finanza e Management Lezione n°8
Metodi Quantitativi per Economia, Finanza e Management Lezione n° 11.
Ipotesi e proprietà dello stimatore Ordinary Least Squares (OLS)
INFERENZA NEL MODELLO DI REGRESSIONE LINEARE MULTIPLA: test sui parametri e scelta del modello (parte 3) Per effettuare test di qualsiasi natura è necessaria.
INFERENZA NEL MODELLO DI REGRESSIONE LINEARE MULTIPLA (parte 1)
La misura della performance e le frontiere di produzione
MODELLO DI REGRESSIONE LINEARE MULTIPLA
Processi Aleatori : Introduzione – Parte I

Metodi Quantitativi per Economia, Finanza e Management Lezione n° 9.
Corso di biomatematica lezione 5: propagazione degli errori
Corso di biomatematica lezione 6: la funzione c2
CORSO DI MODELLI DI SISTEMI BIOLOGICI LAUREA IN INGEGNERIA CLINICA E BIOMEDICA.
STATISTICA a.a PARAMETRO t DI STUDENT
STATISTICA a.a METODO DEI MINIMI QUADRATI REGRESSIONE
CORSO DI ECONOMIA POLITICA MACROECONOMIA Docente: Prof.ssa M. Bevolo
Determinazione Orbitale di Satelliti Artificiali Lezione 5
Blanchard, Macroeconomia, Il Mulino 2009 Capitolo IX. Inflazione, produzione e crescita della moneta INFLAZIONE, PRODUZIONE E CRESCITA DELLA MONETA Corso.
Lezione 4 Probabilità.
Quale valore dobbiamo assumere come misura di una grandezza?
Statistica economica (6 CFU) Corso di Laurea in Economia e Commercio a.a Docente: Lucia Buzzigoli Lezione 5 1.
Statistica economica (6 CFU)
Unità 6 Test parametrici e non parametrici Test per la verifica della normalità Funzione di ripartizione.
“Gestione della Qualità”
Unità 2 Distribuzioni di probabilità Misure di localizzazione Misure di variabilità Asimmetria e curtosi.
Cap. 15 Caso, probabilità e variabili casuali Cioè gli ingredienti matematici per fare buona inferenza statistica.
Lez. 3 - Gli Indici di VARIABILITA’
Regressione Lineare parte 1
PROPAGAZIONE DEGLI ERRORI:
L’impiego della Programmazione Lineare nel settore agro-alimentare: punti di forza e limiti Il modello teorico Applicazioni operative Punti di forza e.
La verifica d’ipotesi Docente Dott. Nappo Daniela
Lezione B.10 Regressione e inferenza: il modello lineare
R. Soncini Sessa, MODSS, L 26 Stima degli effetti Calcolo degli obiettivi (Laplace) Rodolfo Soncini Sessa MODSS Copyright 2004 © Rodolfo Soncini.
Strumenti statistici in Excell
IL CAMPIONE.
Analisi e Gestione del Rischio Lezione 7 Prodotti con pay-off non lineare.
Test basati su due campioni Test Chi - quadro
Def : uno stimatore è una statistica T n le cui determinazioni servono a fornire delle stime del parametro ignoto  della v.c. X in cui sono state effettuate.
REGRESSIONE LINEARE Relazione tra una o più variabili risposta e una o più variabili esplicative, al fine di costruire una regola decisionale che permetta.
La misura della performance e le frontiere di produzione
Metodologia della ricerca e analisi dei dati in (psico)linguistica 23 Giugno 2015 Statistica descrittiva
Microeconomia Introduzione Teoria del consumatore Impresa e produzione
Elaborazione statistica di dati
Metodologia della ricerca e analisi dei dati in (psico)linguistica 24 Giugno 2015 Statistica inferenziale
Dalmine, 26 Maggio 2004 Esercitazioni di Statistica con Matlab Dott. Orietta Nicolis fttp:\ingegneria.unibg.it.
Produttività, efficienza, redditività
TRATTAMENTO STATISTICO DEI DATI ANALITICI
M. De Cecco - Lucidi del corso di Robotica e Sensor Fusion Se i parametri di Denavit-Hartemberg non corrispondono con quelli di progetto a causa di tolleranze.
La covarianza.
Operazioni di campionamento CAMPIONAMENTO Tutte le operazioni effettuate per ottenere informazioni sul sito /area da monitorare (a parte quelle di analisi)
L’analisi di regressione e correlazione Prof. Luigi Piemontese.
INFERENZA NEL MODELLO DI REGRESSIONE LINEARE SEMPLICE
Regressione: approccio matriciale Esempio: Su 25 unità sono stati rilevati i seguenti caratteri Y: libbre di vapore utilizzate in un mese X 1: temperatura.
Gli Indici di VARIABILITA’
Valutazioni applicate alle decisioni di investimento Arch. Francesca Torrieri Analisi di sensitività e analisi del rischio.
Dip. Economia Politica e Statistica
Dip. Economia Politica e Statistica
Dip. Economia Politica e Statistica
Dip. Economia Politica e Statistica
Transcript della presentazione:

Dip. Economia Politica e Statistica Analisi Statistica per le Imprese 4.6 Stima della frontiera di produzione Prof. L. Neri Dip. Economia Politica e Statistica a.a. 2012-2013

Le frontiere di produzione Con l’evolversi degli studi in materia delle Funzioni di Produzione, l’espressione “Funzioni di Frontiera” è stata associata ad un filone di ricerche scaturite dalla critica dei modelli tradizionali di funzioni di produzione che più che condurre all’individuazione della frontiera dell’insieme delle possibilità di produzione, conducono ad una sorta di funzione di produzione “media”. Infatti nei cosiddetti “modelli tradizionali” l’output viene specificato come funzione lineare degli input del processo produttivo e di un termine stocastico con distribuzione normale e media nulla; una tale relazione implica che i valori osservati dell’output possono giacere, con la stessa probabilità, al di sopra o la di sotto della funzione di produzione (Vedi Figura seguente).

Le frontiere di produzione Funzione “Media”

Le frontiere di produzione L’idea sottostante a questa critica è che gli scostamenti dei valori osservati dell’output da quelli espressi dalla frontiera sono dovuti all’azione di fattori di inefficienza, che per definizione agiscono in modo unilaterale, e all’azione degli errori di osservazione, a distribuzione simmetrica. Alla luce di ciò è parso più corretto ipotizzare che i valori osservati dell’output giacciano tutti al di sotto o al massimo sulla frontiera (Figura a), se è plausibile ritenere che gli errori di osservazione siano irrilevanti, oppure che gli stessi valori possano giacere anche al di sopra della frontiera stessa, sebbene che a tale evento sia associata una probabilità minore rispetto a quella relativa alla possibilità di collocarsi al di sotto di tale funzione (Figura b)

Le frontiere di produzione Funzione “Frontiera - a”

Le frontiere di produzione Funzione “Frontiera - b”

Le frontiere di produzione In una nota rassegna, Forsund, Lovell e Schmidt suggeriscono una classificazione dei metodi di stima delle funzioni frontiera di produzione, proponendo una prima generale suddivisione in funzioni parametriche e funzioni non parametriche. Nella prima classe, si identificano i modelli stocastici e deterministici, e questi ultimi a seconda della procedura di stima adottata, si suddividono in matematici e statistici. Al di là delle terminologie adottate nelle classificazioni, il problema che i vari ricercatori che si sono occupati della questione si sono posti, è sempre stato lo stesso: come fare a trasformare in una misura reale il concetto teorico di funzione di produzione.

Le frontiere di produzione Rappresentando graficamente tale problematica, abbiamo riportato in un grafico a dispersione (figura sotto) una serie di coppie di valori x (“Input”) ed y (“Output”) che corrispondono ad una serie di processi produttivi (A, B,…,F) attivati da altrettante aziende.

Le frontiere di produzione Dal momento che, in generale, l'efficienza è misurabile, confrontando le performance reali dell'azienda con la migliore raggiungibile, espressa da una funzione che rappresenta, perciò, una frontiera, come fare per definire una funzione di produzione che esprima il livello massimo di output che può essere prodotto date le quantità di fattori produttivi?

Metodi Parametrici Si basano sulla stima econometrica di una funzione frontiera (di produzione o di costo). Tali funzioni possono essere assunte sia deterministiche che stocastiche. Quindi dato un campione di n aziende che producono un output y (o anche più output omogenei preliminarmente aggregati in una misura sintetica) impiegando m input il metodo consiste 1. nella stima dei parametri della funzione frontiera; ad esempio, nel caso della produzione si stimerà la funzione che esprime il legame tra l'output e gli m input impiegati nel processo produttivo; 2. nel calcolo delle misure dell'efficienza tecnica confrontando i singoli output osservati nelle n aziende con i corrispondenti valori teorici sulla frontiera

Metodi Parametrici-deterministici • Le funzioni frontiera deterministiche sono funzioni parametriche nelle quali la deviazione di un'osservazione dal suo massimo teorico è attribuita esclusivamente all'inefficienza dell'azienda. Tale specificazione non tiene conto di possibili shock casuali specifici di quel processo produttivo (ipotesi semplice)

Funzione frontiera deterministica La formulazione econometrica della funzione frontiera deterministica è data da: Yi= f(Xi,)TEi dove Usualmente il modello è definito nei logaritmi delle variabili quindi Log(Yi)=log[ f(Xi,)]+log(TEi)= log[ f(Xi,)]-ui dove ui è una misura dell'inefficienza tecnica e TEi=exp(-ui) Si noti che più grande è ui più l'azienda i si allontana dalla frontiera di produzione.

Funzione frontiera deterministica Supponiamo di specificare una funzione di produzione Cobb-Douglas con s input, il modello frontiera assume la forma

Le funzione di frontiera deterministiche-matematiche Secondo il suddetto modello (Aigner e Chu, 1968) la produzione effettiva è la produzione massima meno un (non negativo) errore di inefficienza. Gli elementi del vettore parametrico possono essere stimati con la programmazione quadratica (minimizzando il quadrato della somma dei residui).

Le funzione di frontiera deterministiche-matematiche AIGNER D.J., CHU S.F. (1968), "On Estimating the Industry Production Function", The American Economic Review, n°4, pp.826-835

Steps per il calcolo del grado di efficienza tecnica di un’azienda: attraverso frontiera deterministico-statistiche la funzione di produzione deterministica può essere stimata in due passi: 1. stima OLS del modello per ottenere stime consistenti e non distorte dei parametri relative ai regressori nel modello e una stima consistente ma distorta del parametro intercetta 2. correzione della stima del parametro intercetta in modo tale da assicurare che la frontiera stimata limiti i dati al di sotto di essa cioè:

Steps per il calcolo del grado di efficienza tecnica di un’azienda: Equazione della frontiera efficiente: Computo dell’indice