Productivity Issues in Services at the Micro Level: A Special Issue of the Journal of Productivity Analysis

7 از ساختار پانل داده های خود برای کنترل خطاهای احتمالی مشخصات در مدل های خود استفاده می کنند. جالب است بدانید که روش‌های اقتصادسنجی و DEA ممکن است نزدیک‌تر از آن چیزی باشند که برخی از طرفداران مربوطه معتقدند. چندین مطالعه نشان می دهد که اولی و دومی را می توان به طور موثر برای ارزیابی کارایی نسبی گروهی از شرکت ها یا شرکت های منفرد مورد استفاده قرار داد و یکی از آنها به صراحت نتایج حاصل از هر دو را مقایسه می کند (فچر و همکاران). تکنیک‌های اقتصادسنجی همچنین می‌توانند ناپارامتریک باشند و برای برآورد هزینه یا مرزهای تولید (و نه تنها توابع \"متوسط\") اعمال شوند، در حالی که در نهایت DEA باید قابل استنتاج آماری باشد. شاید با ارزش ترین ویژگی همه تحلیل ها دقت و نبوغ آنها در کنار هم قرار دادن داده ها، اندازه گیری متغیرها و استخراج اطلاعات مرتبط باشد. بسیاری از آنها به اندازه گیری خروجی کلی راضی نیستند، اما سعی می کنند با معیارهای کمتر تجمیع شده مدیریت کنند. تقریباً همگی تعدادی متغیر کمکی را نیز در مدل‌های تخمینی شامل می‌شوند که برای کنترل ویژگی‌های خاص خروجی‌ها، ورودی‌ها، یا تکنیک‌های تولید و سایر ویژگی‌های شرکت‌ها در نظر گرفته شده است.

7 take advantage of the panel structure of their data to control for possible errors of specifica­ tion in their models. It is interesting to note that the econometric and DEA methods may be closer than some of their respective advocates seem to believe. Several of the studies show that the former as well as the latter can be effectively used to assess the relative effi­ ciency of groups of firms or individual firms, and one of them explicitly compare results arising from both (Fecher et al.). Econometric techniques can also be nonparametric and applied to estimating cost or production frontiers (and not only "average" functions), while ultimately DEA should be amenable to statistical inference. Perhaps the most valuable feature of all the analyses is their care and ingenuity in putting together the data, measuring variables, and pulling out relevant information. Many of them are not content with an overall output measure, but endeavor to manage with less aggregated measures. Nearly all also include in the estimated models a number of auxiliary variables intended to control for specific attributes of outputs, inputs, or production techniques, and other characteristics of firms.