Мы используем оцененные ядерные плотности и матрицы корреляции в качестве инструментов, которые потенциально могут предоставить сигнал о том, что разница в оценках статистически значима. Если подобный сигнал получен, мы должны изучить статистические характеристики оценок, чтоб убедится, статистически различны ли оценки.[ ...]
Сравнение ядерных плотностей НФРП по трем методологиям дает сигнал, что оценки могут быть статистически различны. Низкая корреляция подтверждают подозрения о несочетаемо-сти методологий. Поэтому, необходимо сравнить оценки на основе статистических характеристик.[ ...]
Согласно нашим оценкам, из 96 непараметрических НВОМ оценок НФРП, лишь 22 попадают в 95% доверительный интервал параметрических оценок. Это число для непараметрических МОМ оценок НФРП еще ниже — 18. Подобная картина наблюдается и в Спецификации 2.[ ...]
Что является причиной такой разницы в результатах? Во-первых, параметрический подход позволяет обернуть данные в гладкую оболочку, ограниченную параметрической формой, а непараметрический создает кусочно-линейную оболочку. Понятно, что эти две оболочки не совпадают, что частично объясняет разницу оценок. Во-вторых, непараметрический подход не позволяет моделирование ограниченного множества продуктов, в то время как параметрический позволяет.[ ...]
Возникает естественный вопрос: какому подходу следует доверять больше? При оценке НФРП широко используется непараметрический. В этом случае нет причины предпочитать параметрический подход непараметрическому. Кроме того, параметрический подход может ошибочно определить неэффективные объекты, как эффективные. Поэтому, скорее всего, при оценке только НФРП следует более доверять непараметрическому подходу.[ ...]
В свою очередь непараметрический подход чрезвычайно неудобен при оценке теневых цен. Наша методология позволяет оценить теневые цены, которые могут оказаться неуникальными из-за множественного решения задачи линейного программирования (это относится к точкам излома на кусочно-линейной границе). Вопрос определения иных решений технически сложен и в данный момент решается. Поэтому, до того как он решен, использование параметрического подхода для оценки теневых цен, скорее всего, наиболее приемлемый вариант.[ ...]
Наконец, непараметрический подход неудобен при оценке статистических характеристик оценок, когда размер выборки невелик, что создает проблему в нашем случае.[ ...]
Одним из решений вышеупомянутых проблем с выбором методологии является использование Анализа Стохастической Границы (АСГ), который является удобным при нахождении производных (при оценке теневых цен), но включает статистический шум с определенной параметрической структурой, что может сгладить некоторые расхождения, упущенные параметрическим подходом. Поскольку никто до этого не использовал АСГ в присутствии нежелательных продуктов, то разработка теоретической модели и само моделирование — довольно трудоемкая задача, которая достойна быть темой отдельной работы.[ ...]
Вернуться к оглавлению