MétaCan
Menu
Retour à la cohorte
Enregistrement W4319440759 · doi:10.3390/jrfm16020100

Econometric Modeling of Input-Driven Output Risk through a Versatile CES Production Function

2023· article· en· W4319440759 sur OpenAlexvenueno aff
Ali Zeytoon‐Nejad, Barry K. Goodwin

Notice bibliographique

RevueJournal of risk and financial management · 2023
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueEfficiency Analysis Using DEA
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProduction (economics)Function (biology)Production functionProduction theoryConstant elasticity of substitutionEconometricsMathematical optimizationElasticity of substitutionNonlinear systemComputer scienceMathematicsEconomicsMicroeconomics

Résumé

récupéré en direct d'OpenAlex

The conventional functional form of the Constant-Elasticity-of-Substitution (CES) production function is a general production function nesting a number of other forms of production functions. Examples of such functions include Leontief, Cobb–Douglas, and linear production functions. Nevertheless, the conventional form of the CES production specification is still restrictive in multiple aspects. One example is the fact that the marginal effect of increasing input use always has to be to increase the variability of output quantity by the conventional construction of this function. This paper proposes a generalized variant of the CES production function that allows for various input effects on the probability distribution of output. Failure to allow for this possible input–output risk structure is indeed one of the limitations of the conventional form of the CES production function. This limitation may result in false inferences about input-driven output risk. In light of this, the present paper proposes a solution to this problem. First, it is shown that the familiar CES formulation suffers from very restrictive structural assumptions regarding risk considerations, and that such restrictions may lead to biased and inefficient estimates of production quantity and production risk. Following the general theme of Just and Pope’s approach, a CES-based production-function specification that overcomes this shortcoming of the original CES production function is introduced, and a three-stage Nonlinear Least-Squares (NLS) estimation procedure for the estimation of the proposed functional form is presented. To illustrate the proposed approaches in this paper, two empirical applications in irrigation and fertilizer response using the famous Hexem–Heady experimental dataset are provided. Finally, implications for modeling input-driven production risks are discussed.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,056
Tête enseignante GPT0,304
Écart entre enseignants0,248 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetEfficiency Analysis Using DEATravaux en français237 207