This paper aims to evaluate the performance of basic metals industry in India and analyze its determinants, using data envelopment analysis (DEA) method. It also intends to compare the results through conventional two-stage and bootstrap-based inferences.,Considering technical efficiency as a measure of performance, this paper specifically investigates whether the participation of a firm in the global market affects its performance. The conventional two-stage procedure is used to test the export intensity and firm performance nexus. The bootstrap-based algorithms (by Simar and Wilson, 2007) are used to correct the bias and serial correlation issues involved in the conventional approach.,The result shows a negative relation between export intensity and firm performance while following the conventional procedure. Even after accounting for serial correlation, the relation remains more or less similar to that of conventional analysis. However, a strong negative relation between export intensity and firm performance is not observed in a more reliable inference obtained after correcting for possible bias as well as serial correlation.,This paper is based on cross-sectional analysis, and a more reliable result can be obtained by considering a larger sample and longer period.,This paper shows how the conventional two-stage procedure may result in misleading inferences due to bias in the estimation of efficiency scores and the serial correlation during the second stage inferential analysis. This paper also empirically exemplifies how the double bootstrap DEA procedure can overcome these limitations of the conventional two-stage approach.

中文翻译：

---

相对于基于引导程序的效率分析校正的传统程序

本文旨在评估印度基本金属行业的表现并分析其决定因素，使用数据包络分析（DEA）方法。它还打算通过传统的两阶段和基于引导程序的推理来比较结果。将技术效率作为绩效的衡量标准，本文专门研究了公司参与全球市场是否影响其绩效。传统的两阶段程序用于测试出口强度和企业绩效之间的关系。基于引导程序的算法（Simar 和 Wilson，2007 年）用于纠正传统方法中涉及的偏差和序列相关问题。结果表明，在遵循传统程序时，出口强度与企业绩效之间存在负相关关系。即使在考虑了序列相关性之后，这种关系仍然或多或少地类似于传统分析的关系。然而，在校正可能的偏差和序列相关后得到的更可靠的推论中，没有观察到出口强度与企业绩效之间的强烈负相关。本文是基于横截面分析，可以得到更可靠的结果。通过考虑更大的样本和更长的周期而获得的结果。,本文展示了传统的两阶段程序如何由于第二阶段推理分析中效率得分估计的偏差和序列相关性而导致误导性推理。本文还从经验上举例说明了双引导 DEA 程序如何克服传统两阶段方法的这些局限性。这种关系或多或少与传统分析相似。然而，在校正可能的偏差和序列相关后得到的更可靠的推论中，没有观察到出口强度与企业绩效之间的强烈负相关。本文是基于横截面分析，可以得到更可靠的结果。通过考虑更大的样本和更长的周期而获得的结果。,本文展示了传统的两阶段程序如何由于第二阶段推理分析中效率得分估计的偏差和序列相关性而导致误导性推理。本文还从经验上举例说明了双引导 DEA 程序如何克服传统两阶段方法的这些局限性。这种关系或多或少与传统分析相似。然而，在校正可能的偏差和序列相关后得到的更可靠的推论中，没有观察到出口强度与企业绩效之间的强烈负相关。本文是基于横截面分析，可以得到更可靠的结果。通过考虑更大的样本和更长的周期而获得的结果。,本文展示了传统的两阶段程序如何由于第二阶段推理分析中效率得分估计的偏差和序列相关性而导致误导性推理。本文还从经验上举例说明了双引导 DEA 程序如何克服传统两阶段方法的这些局限性。在校正可能的偏差和序列相关后得到的更可靠的推论中，没有观察到出口强度和企业绩效之间存在强烈的负相关关系。,本文基于横截面分析，可以得到更可靠的结果考虑到更大的样本和更长的周期。,本文展示了传统的两阶段程序如何由于效率得分估计的偏差和第二阶段推理分析中的序列相关性而导致误导性推理。本文还从经验上举例说明了双引导 DEA 程序如何克服传统两阶段方法的这些局限性。在校正可能的偏差和序列相关后得到的更可靠的推论中，没有观察到出口强度和企业绩效之间存在强烈的负相关关系。,本文基于横截面分析，可以得到更可靠的结果考虑到更大的样本和更长的周期。,本文展示了传统的两阶段程序如何由于效率得分估计的偏差和第二阶段推理分析中的序列相关性而导致误导性推理。本文还从经验上举例说明了双引导 DEA 程序如何克服传统两阶段方法的这些局限性。