形状约束核加权最小二乘：在智利制造业生产函数估计中的应用
应用统计
2018-01-19 v5
摘要
本文研究了一种对局部多项式核估计量施加形状约束的新方法。所提出的方法称为形状约束核加权最小二乘 (Shape Constrained Kernel-weighted Least Squares, SCKLS)。我们证明了具有单调性和凸性/凹性约束的 SCKLS 估计量的均匀一致性，并建立了其收敛速度。SCKLS 的竞争力在一项全面的模拟研究中得到展示。最后，我们使用 SCKLS 估计量分析智利制造业数据，并量化塑料和木材行业中的生产。结果表明出口企业具有显著更高的生产率。
引用
@article{arxiv.1604.06003,
title = {Shape constrained kernel-weighted least squares: Application to production function estimation for Chilean manufacturing industries},
author = {Daisuke Yagi and Yining Chen and Andrew L. Johnson and Timo Kuosmanen},
journal= {arXiv preprint arXiv:1604.06003},
year = {2018}
}
备注
JEL Codes: C14, D24 Keywords: Kernel Estimation, Multivariate Convex Regression, Nonparametric regression, Shape Constraints