随机前沿分析(新).pptVIP

特定厂商效率 产业效率 软件估计结果 其他模型 除了对参数 的假设进行检验之外，我们还 需检验无效效应是否存在 在半正态分布模型中原假设和备择假设是： 或者利用艾格纳等（1977）所提出的 参数 化的原假设和备择假设： 该假设的统计量为： 假设检验 Z检验在小样本情况下具有欠佳的容量特征（即 常常倾向于错误地拒绝原假设，而此原假设本该 成立），因此，尝试采用Wald和LR检验。 科埃利（1995）曾证明 在半正态模型中如果LR检验统计量超过临界值 ，这意味着我们应该以 的显 著水平拒绝 面板数据模型 面板数据常常可以允许我们： 放松用于区分无效性效应与噪声效应所必需的若干强分布假设 获得技术效率的一致预测 研究技术效率随时间的变化 希望无效的厂商随时间能够改善他们的效率 水平，因此，应在无效效应上施加某些结构： 时不变无效性 时变无效性 时不变无效性模型 固定效应模型采用可以在回归框架下利用虚拟变量来估计。随机效应模型可以用最小二乘法或最大似然技术进行估计。最大似然法要求对 的分布做出假设 时变无效性模型 解释生产环境 外生变量（刻画生产在什么样的环境下进行生产 （1）制定关键生产决策时可观测的非随机变量 （如政府规制、厂商所有制类型、劳动者年龄） （2）视为生产风险的不可观测的随机变量（如天 气、虫灾，致使管理者寻求某种信用保险的任一类 型事件） 非随机变量直接把它们并入到生产前沿的非随机 部分 文献阅读 基于随机前沿模型的山西省碳排放效率评价 基于随机前沿模型的中国生产性服务业技术效率测度及影响因素探讨 高技术产业地区研发效率的决定因素 * 随机前沿分析 Stochastic Frontier Analysis 一、导言 在经济学中，技术效率的概念应用广泛。Koopmans首先提出了技术效率的概念，他将技术有效定义为：在一定的技术条件下，如果不减少其它产出就不可能增加任何产出，或者不增加其它投入就不可能减少任何投入，则称该投入产出为技术有效的。Farrell首次提出了技术效率的前沿测定方法，并得到了理论界的广泛认同，成为了效率测度的基础 。 1.1 随机前沿方法简介 生产率和效率的度量涉及到生产函数。DEA方法的特点是将有效的生产单位连接起来，用分段超平面的组合也就是生产前沿面来紧紧包络全部观测点，是一种确定性前沿方法，没有考虑随机因素对生产率和效率的影响。随机前沿生产函数则解决了这个问题。 前沿生产函数(Frontier Prodution Function)反映 了在具体的技术条件和给定生产要素的组合下, 企业各投 入组合与最大产出量之间的函数关系。通过比较各企业实 际产出与理想最优产出之间的差距可以反映出企业的综合 效率。 传统的生产函数只反映样本各投入因素与平均产出之 间的关系, 称之为平均生产函数。但是1957 年, Farrell 在 研究生产有效性问题时开创性地提出了前沿生产函数 (Frontier Production Function)的概念。对既定的投入 因素进行最佳组合, 计算所能达到的最优产出, 类似于经 济学中所说的“帕累托最优”, 我们称之为前沿面。前沿 面是一个理想的状态, 现实中企业很难达到这一状态。 前沿生产函数的研究方法有: 参数方法和非参方法。两 者都可以用来测量效率水平。参数方法沿袭了传统生产函 数的估计思想, 主要运用最小二乘法或极大似然估计法 （解释）进行计算。参数方法首先确定或自行构造一个具 体的函数形式, 然后基于该函数形式对函数中各参数进行 计算; 而非参数方法首先根据投入和产出, 构造出一个包 含所有生产方式的最小生产可能性集合, 其中非参数方法 的有效性是指以一定的投入生产出最大产出, 或以最小的 投入生产出一定的产出。这里所说的非参数方法是结合 DEA(Data 数据包络分析) 计算的。 但非参数方法存在的最大局限是: 该方法主要 运用线性规划方法进行计算, 而不像参数方法有统 计检验数作为样本拟合度和统计性质的参考; 另外, 非参数方法对观测数有一定的限制, 有时不得不舍 弃一些样本值, 这样就影响了观测结果的稳定性。 因此, 我们在这里选择参数方法进行前沿生产函数 的计算。 在参数型前沿生产函数的研究中, 围绕误差项的 确立, 又分为随机性和确定性两种方法。首先, 确 定性前沿生产函数不考虑随机因素的影响, 直接 采用线性规划方法计算前沿面, 确定性前沿生产函数把 影响最优产出和平均产出的全部误差统归入单侧的一 个误差项ε中, 并将其称为生产非效率. 随