1 resultado para second peak moment
em Dalarna University College Electronic Archive
Filtro por publicador
- AMS Tesi di Dottorato - Alm@DL - Università di Bologna (1)
- Archive of European Integration (1)
- Aston University Research Archive (7)
- Biblioteca Digital da Produção Intelectual da Universidade de São Paulo (5)
- Biblioteca Digital da Produção Intelectual da Universidade de São Paulo (BDPI/USP) (60)
- Biblioteca Virtual del Sistema Sanitario Público de Andalucía (BV-SSPA), Junta de Andalucía. Consejería de Salud y Bienestar Social, Spain (6)
- Biodiversity Heritage Library, United States (14)
- BORIS: Bern Open Repository and Information System - Berna - Suiça (4)
- Brock University, Canada (3)
- Bucknell University Digital Commons - Pensilvania - USA (1)
- CentAUR: Central Archive University of Reading - UK (4)
- Cochin University of Science & Technology (CUSAT), India (3)
- Consorci de Serveis Universitaris de Catalunya (CSUC), Spain (106)
- Cor-Ciencia - Acuerdo de Bibliotecas Universitarias de Córdoba (ABUC), Argentina (1)
- Dalarna University College Electronic Archive (1)
- Digital Commons - Michigan Tech (1)
- Digital Commons at Florida International University (2)
- DigitalCommons@The Texas Medical Center (1)
- Doria (National Library of Finland DSpace Services) - National Library of Finland, Finland (47)
- Gallica, Bibliotheque Numerique - Bibliothèque nationale de France (French National Library) (BnF), France (162)
- Galway Mayo Institute of Technology, Ireland (1)
- Glasgow Theses Service (1)
- Institute of Public Health in Ireland, Ireland (17)
- Instituto Politécnico do Porto, Portugal (20)
- Iowa Publications Online (IPO) - State Library, State of Iowa (Iowa), United States (25)
- National Center for Biotechnology Information - NCBI (3)
- Nottingham eTheses (1)
- Portal do Conhecimento - Ministerio do Ensino Superior Ciencia e Inovacao, Cape Verde (1)
- Publishing Network for Geoscientific & Environmental Data (4)
- QUB Research Portal - Research Directory and Institutional Repository for Queen's University Belfast (1)
- ReCiL - Repositório Científico Lusófona - Grupo Lusófona, Portugal (1)
- Repositório Científico do Instituto Politécnico de Lisboa - Portugal (12)
- Repositório da Escola Nacional de Administração Pública (ENAP) (1)
- Repositório da Produção Científica e Intelectual da Unicamp (29)
- Repositório da Universidade Federal do Espírito Santo (UFES), Brazil (2)
- Repositório digital da Fundação Getúlio Vargas - FGV (2)
- Repositório do Centro Hospitalar de Lisboa Central, EPE - Centro Hospitalar de Lisboa Central, EPE, Portugal (2)
- Repositório Institucional da Universidade de Aveiro - Portugal (2)
- Repositório Institucional UNESP - Universidade Estadual Paulista "Julio de Mesquita Filho" (17)
- RUN (Repositório da Universidade Nova de Lisboa) - FCT (Faculdade de Cienecias e Technologia), Universidade Nova de Lisboa (UNL), Portugal (23)
- Scielo Saúde Pública - SP (88)
- Scottish Institute for Research in Economics (SIRE) (SIRE), United Kingdom (3)
- Universidad de Alicante (1)
- Universidad del Rosario, Colombia (1)
- Universidad Politécnica de Madrid (5)
- Universidade do Minho (17)
- Universidade dos Açores - Portugal (4)
- Universidade Federal do Rio Grande do Norte (UFRN) (1)
- Universidade Técnica de Lisboa (1)
- Université de Lausanne, Switzerland (197)
- Université de Montréal (1)
- Université de Montréal, Canada (5)
- Université Laval Mémoires et thèses électroniques (1)
- University of Michigan (1)
- University of Queensland eSpace - Australia (68)
Resumo:
We consider method of moment fixed effects (FE) estimation of technical inefficiency. When N, the number of cross sectional observations, is large it ispossible to obtain consistent central moments of the population distribution of the inefficiencies. It is well-known that the traditional FE estimator may be seriously upward biased when N is large and T, the number of time observations, is small. Based on the second central moment and a single parameter distributional assumption on the inefficiencies, we obtain unbiased technical inefficiencies in large N settings. The proposed methodology bridges traditional FE and maximum likelihood estimation – bias is reduced without the random effects assumption.