L¿induction statistique dans le modèle DEA avec inputs quasi-fixes
Développements théoriques et application au secteur de l¿éducation tunisien
Versandkostenfrei!
Versandfertig in 6-10 Tagen
51,99 €
inkl. MwSt.
PAYBACK Punkte
26 °P sammeln!
L'objet de notre travail est l'analyse de l'efficacité et de la productivité des organisations. Nous étudions, en particulier, les assises statistiques des estimateurs non paramétriques de type DEA et FDH. Nous nous intéressons aux propriétés statistiques de ces estimateurs notamment celles de convergence, du biais et de distribution asymptotique. Nous définissons un modèle statistique qui tient compte de l'aspect quasi-fixe de certains inputs. Ce modèle va permettre de caractériser le Processus Générateur des Données. Un Kernel univarié est utilisé pour estimer le PGD. Les ré...
L'objet de notre travail est l'analyse de l'efficacité et de la productivité des organisations. Nous étudions, en particulier, les assises statistiques des estimateurs non paramétriques de type DEA et FDH. Nous nous intéressons aux propriétés statistiques de ces estimateurs notamment celles de convergence, du biais et de distribution asymptotique. Nous définissons un modèle statistique qui tient compte de l'aspect quasi-fixe de certains inputs. Ce modèle va permettre de caractériser le Processus Générateur des Données. Un Kernel univarié est utilisé pour estimer le PGD. Les résultats de l'estimation vont servir de base pour l'utilisation d'une méthodologie bootstrap lisse homogène et hétérogène dans le but de corriger le biais des estimateurs et faire de l'induction statistique. Nous étudions ensuite l'efficacité dans un modèle complet de variation de la productivité. Nous menons cette étude en utilisant l'indice de productivité de Malmquist. Le PGD est, dans ce cas, estimé par un Kernel bivarié et une méthodologie bootstrap lisse homogène est utilisée pour évaluer la précision statistique de l'indice. Enfin, nous appliquons notre approche au secteur de l'éducation tunisien.
Andere Kunden interessierten sich für
