Comparación entre la estimación bayesiana y mínimos cuadrados corregidos en los modelos de producción con frontera

Abstract

En la formulación econométrica de los modelos de producción con frontera determinista, el uso de la estimación máximo verosímil presenta importantes problemas, debido a que el modelo no verifica las condiciones de regularidad habituales que nos permiten obtener las propiedades asintóticas de los mismos. Uno de los métodos de estimación que ha sido usado con más frecuencia es el de mínimos cuadrados corregidos (Green, 1980). Alternativamente, podemos obtener la estimación bayesiana apoyándonos en el algoritmo de Gibbs (Basulto y otros, 2006). En este trabajo, hacemos un estudio comparativo de ambas alternativas a través de simulación, en el que ponemos de manifiesto que el estimador bayesiano tiene un mejor comportamiento en cuanto a sesgo y ECM, sobre todo en el caso de la ordenada en el origen del modelo, lo cual puede resultar decisivo a la hora de estimar las eficiencias individuales, que es uno de los objetivos principales en este tipo de modelos.

In the econometric approach to deterministic frontier production models, the use of maximum likelihood estimation has major problems, because the model violates the usual regularity conditions that allow us to establish the desirable asymptotic properties of the estimators. One of the methods most widely used is the corrected least-squares estimator (Green, 1980). Alternatively, we can perform the Bayesian estimation using Gibbs sampling (Basulto et al., 2006). In this paper, we make a comparative study of both approachs using simulation methods. We will conclude that the bayesian estimator has better properties in terms of bias and MSE, especially for the intercept term; this fact can result very important to estimate the individual efficiencies, which is one of the main objectives of these models.