The analyses at the U.S. state leve

The analyses at the U.S. state level indicates productivity measures estimated from the OMP programming approach with CRS technology is identical to the ideal Fisher index productivity measures for aggregate (single output and single input) technology. Divergence in productivity measures is observed not only due to choice of method –OMP and MTFP methods and various levels of commodity and input aggregation, but also between CRS and VRS technology. Due to the piecewise linear approximation of the nonparametric programming approach, the shadow share-weights are skewed leading to the difference in the productivity measures across methods, models and various levels of commodity aggregation.

結果 (繁體中文) 1:

在美國狀態水平的分析表明從與CRS技術OMP編程方法估計生產率的措施是相同的理想的費希爾指數生產率措施集合體（單輸出和單輸入）技術。發散生產率的措施觀察到，不僅由於方法-OMP和MTFP方法和商品，輸入聚集各種級別的選擇，也是CRS和VRS技術之間。由於分段線性非參數編程方法的逼近，影子股權重偏斜導致整個方法，模型和商品聚集的各級生產力措施的差異。

結果 (繁體中文) 2:

美國州一級的分析表明，使用 CRS 技術採用 OMP 程式設計方法估算的生產率度量與聚合（單輸出和單輸入）技術的理想 Fisher 指數生產率度量相同。生產率測量的差異不僅由於方法選擇 +OMP 和 MTFP 方法以及不同級別的商品和輸入聚合，還因為 CRS 和 VRS 技術之間。由於非參數程式設計方法的分段線性近似，陰影共用權重偏斜，導致不同方法、模型和商品聚合不同級別的生產率度量不同。

結果 (繁體中文) 3:

美國州一級的分析表明，採用CRS科技的OMP規劃方法估算的生產率名額與綜合（單產出和單投入）科技的理想Fisher指數生產率名額相同。生產率衡量名額的差异不僅是由於方法的選擇——OMP和MTFP方法以及商品和投入總量的不同水准，而且還由於CRS和VRS科技之間的差异。由於非參數規劃方法的分段線性近似，影子份額權重存在偏差，導致不同方法、模型和不同商品聚集水准的生產率測度存在差异。