Handling Endogeneity in Stochastic Frontier Analysis: A Solution to Endogenous Education Cost Frontier Models

Some models for stochastic frontiers with endogeneity

“…In the previous two sections endogeneity was modelled as correlation between the inefficiency errors i u and the inputs. However, in a number of studies (e.g., Kutlu 2010, Karakaplan and Kutlu 2013, Tran and Tsionas 2013 allowance is made for correlations between idiosyncratic error terms and the inputs. In this section we consider a model that, in its most general form, allows for (i) time varying inefficiencies, (ii) correlation between the inputs and both the inefficiency error and the idiosyncratic error, (iii) correlation between the two types of errors, and (iv) the introduction of instrumental variables.…”

“…Kutlu uses a two-step maximum likelihood procedure while Tran and Tsionas propose a GMM estimation method. Karakaplan and Kutlu (2013) consider a model that allows for full endogeneity but it is to some extent different from our model and our estimation methods are very different.…”

Recaudación potencial, eficiencia recaudatoria y transferencias federales: Un análisis para las entidades federativas en México utilizando el modelo de frontera estocástica

“…Sin embargo, existe una preocupación creciente sobre el tema debido a que la consistencia de los estimadores depende de la exogeneidad de las variables explicativas (Amsler et al, 2015). El manejo del problema de endogeneidad en el contexto de modelos de frontera estocástica es mucho más complejo comparado con el caso estándar de modelos de regresión, debido a la naturaleza estocástica del término de error (Kutlu, 2013). El problema radica en que la endogeneidad en el contexto de los modelos de frontera estocástica puede surgir por dos razones (Karakaplan y Kutlu, 2015): la primera porque el término aleatorio simétrico (v it ) puede estar correlacionado con las variables explicativas y la segunda porque el efecto de ineficiencia (no simétrico v it ) puede estar correlacionado con las variables explicativas causando correlación a su vez con el término aleatorio simétrico.…”

“…El manejo del problema de endogeneidad en el contexto de modelos de frontera estocástica es mucho más complejo comparado con el caso estándar de modelos de regresión, debido a la naturaleza estocástica del término de error (Kutlu, 2013). El problema radica en que la endogeneidad en el contexto de los modelos de frontera estocástica puede surgir por dos razones (Karakaplan y Kutlu, 2015): la primera porque el término aleatorio simétrico (v it ) puede estar correlacionado con las variables explicativas y la segunda porque el efecto de ineficiencia (no simétrico v it ) puede estar correlacionado con las variables explicativas causando correlación a su vez con el término aleatorio simétrico. La metodología sugerida para la estimación de modelos de frontera estocástica con regresores endógenos ha sido la de máxima verosimilitud con un enfoque apropiado de variables instrumentales que, como indican Karakaplan y Kutlu (2015), consiste en modelar la función de distribución conjunta de la variable dependiente y la(s) variable(s) endógena(s) y entonces maximizar la correspondiente función de verosimilitud.…”

“…La posibilidad de presencia de regresores endógenos en el modelo sin duda requiere de una metodología que produzca estimadores consistentes como podrían ser MC2E y MVIL. La literatura econométrica reciente (Karakaplan y Kutlu, 2015, Trans y Tsionas, 2015, Amsler et al, 2015 sugiere estos métodos de estimación, pero para ser aplicados en datos de corte transversal. El artículo de Amsler et al (2015) presenta una aplicación de MC2E y MVIL a datos de 137 granjas lecheras del norte de España, durante el periodo 1999-2010.…”