随机前沿模型(SFA)-原理解读
物流业要素配置效率及区域异质性——基于SFA模型的实证检验
分析了 2005-2018 年全国各地区劳动、资本、技术三大生产要素资源配置效率。结果表明，全国物流业要素配置
效率大体呈波动变化的下降态势。资本和劳动力要素配置效率差异格局明显，总体呈现出“东强西弱”的异质性
格局，需要针对性地提升各区域生产要素的配置和利用水平，实现物流业多样化发展。
关键词：劳动力要素配置；物流业；随机前沿模型；异质性；实证分析
的产出模式，当 ui,t>0 时表示为产出导向型生产非效率项。
考虑物流业完全竞争要素市场下生产要素的自由流
动，在供求双方均拥有完全信息交换需求以保证竞争不受
到阻碍与干扰的前提下，要素配置便达到最优状态。参考
Kim（1992）的研究，有如下结论：
生产函数：Y=f (x1、x2…xj )
（2）
利润函数：π=TR-c=p·f (x1、x2…xj )-∑ j wj xj
中图分类号：F252
文献标识码：A
文章编号：2095-9397（2021）14-0111-04
文章著录格式：何纪翔，马晓琳 . 物流业要素配置效率及区域异质性——基于 SFA 模型的实证检验 [J]. 商业经
济研究，2021（14）：111-114
引言
资本、劳动力均是维持生产活动不可或缺的物质基 础，为产业经济建设和发展提供了有力支撑。一直以来， 我国物流业粗放式发展格局依赖于生产要素无序的高投 入和高消耗，在很大程度上造成了要素配置扭曲，引起了 各类生产要素过度消耗、效率低下等严重阻碍经济可持 续发展的问题。而物流业不仅是服务业的重要组成部分， 在新常态经济格局下，物流业还是促进资源融通、加速 生产、带动消费发展的重要行业，物流业的发展需要更 多要素投入，要素资源约束也会更多地体现在物流业发 展过程中，以物流业提质增效为关键的第三产业发展方 式转型的要求同样迫切。因此，基于要素配置效率角度， 合理分析物流业发展质量，是加速物流经济整体发展水平 的关键。从物流业业务量来看，2020 年第一季度全国快 递单量累计 125.3 亿件，同比增长 3.2%；从市场规模来看， 伴随着存量消费市场持续向线上转移，多样化的物流形 态不断发展，以往的社会物流体系不断派生出市域物流、 短途快速物流等新业态，特别是移动互联网催生社区新 零售的发展，在很大程度上使得物流市场日益发展完善。 在物流经济可持续快速发展背景下，劳动力要素的稳定投 入不可或缺，2020 年 4 月，中共中央、国务院关于构建 更加完善的要素市场化配置体制机制的意见中指出要引 导劳动力要素合理畅通有序流动，这在一定程度上对于提
中国工业企业生产效率随机前沿模型分析
若ＴＥＣ＞１，则存在前沿效率的进步。 （３）规模效率变化（ＳＥＣ） 一个厂商可以通过变动他的运营规模 使得该厂商运营与生产的技术最优规模 （ＴＯＰＳ）处，以提高其生产效率。 一个厂商在 某个时期的规模效率可以表示为：
均来源于２０００ 年～２ ０ ０ ８年的 《中国统计年 鉴》 和 《科技统计年鉴》 ， 部分年份的数据来 源于各年各地区的统计年鉴。 （１）实际工业总产值（Ｙ）。 本文采用实际 工业总产值作为产出。 处理方式如下：将 《中国统计年鉴》 中规模以上工业企业的各 年名义工业总产值，经过各年各地区工业 品出厂价格指数平减， 得到实际的工业总 产值。 内资工业部门的实际工业总产值由 规模以上工业企业和规模以上三资企业的 实际工业总产值相减得到。 （２）固定资产净值（Ｋ）。 对于固定资产净 值的处理采用永续盘存法（ＰＩＭ），以１９９９年 的 固 定 资 产 净 值 为 基 期， 以 相 邻 两 年 的 固 定资产年末余值之差作为当年的新增固定 资产投资。 公 式 如 下：
表２
+∑
n =1
N
n
InX nit +
1 N N ∑∑ 2 n =1 j =1
nj
InX nit InX njt +
∑
n =1
N
tn
tInX nit + t t +
1 2
tt
t 2 + D1 + D2 + D3 + Vit − U it （１１）
（１）内 资 工 业 企 业 的 估 计 结 果 分 析：我 们将内资工业部门的估计结果统计如表１ 所示。 （２）对 于 显 著 性 和 假 设 检 验 的 说 明：由 表３．１，除了δ４、 δ７之外，所有系数均通过 了１％的ｔ检验；而γ＝０．９９９，并且显著，这说 明 生 产 对 于 前 沿 的 偏 离， 主 要 是 由 于 技 术 无效率所引起的。 对于是否存在无效性的
空间面板随机前沿模型及技术效率估计.doc
空间面板随机前沿模型及技术效率估计空间面板随机前沿模型及技术效率估计林佳显, 龙志和, 林光平 1 12 ( 1. 华南理工大学经济与贸易学院, 广东广州510006; 摘要: 随机前沿模型是测算技术效率的重要方法之一。
通常,模型假设生产单元之间彼此独立,然而在技术扩散过程中,空间外部性起着重要作用。
文章结合随机前沿模型理论与空间经济计量分析方法,构建空间面板随机前沿模型, 同时考虑空间滞后因变量和空间误差自相关,并逐步放松模型设定条件, 首先考虑技术效率时变,接着引入技术无效率项的异方差性,之后考虑观察数据中潜在的截面异质性,分别以引入随机截面特有项和设定随机系数的形式来表示截面中图分类号: F064. 1 ----------------------------------- 精选公文范文，管理类，工作总结类，工作计划类文档，感谢阅读下载---------------------------------------- ~ 1 ~文献标识码: A 文章编号: 100022154 ( 2010 ) 05 20071 20 、引言随机前沿模型( SFM ) 的理论最初 A igne r、Love ll 和Schm id t (ALS) ( 1977 ) [ 2 ] [ 1 ] , Meeu sen 和V an den B roeck (MB ) ( 1977 ) 提出, 并很快成为计量经济学中一个引人注目的分支,被广泛应用于效率测算和生[ 3 ] 产率分析尤其是在Jond row 等( JLM S) ( 1982 )指出各个生产单元的技术无效率可以通过条件分布[ u |i vi - ui ] 的期望 E [ ui | vi - ui ] 或模M ode [ ui | vi - ui ] 来估算以后。
随机前沿分析( SFA ) 始于对生产最优化的研究, 经过30 多年的发展, 其在理论研究与实践应用方面都得到了深入的发展, 已被尝试性地应用于生产经济学以外的领域, 如劳动经济学、公共经济学以及金融经济学等。
【国家自然科学基金】_随机前沿方法(sfa)_基金支持热词逐年推荐_【万方软件创新助手】_20140802
科研热词 随机前沿生产函数 生产技术效率 农业用水效率 tobit模型
推荐指数 1 1 1 1
2010年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
科研热词 随机前沿分析 灌溉用水效率 sfa dea 面板数据 随机前沿生产函数 通径分析 跨国公司r&d投资 绩效 生产效率 玉米优势产区 玉米 溢出效应 投资效率 技术非效率模型 大股东控制 多层次/随机前沿分析 农户 全要素生产率 供应商 人力资源外包 主成分变量 c-d生产函数
推荐指数 3 2 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2011年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 随机前沿分析 技术效率 物流业 数据包络分析 全要素生产率 随机前沿方法 随机前沿主方程组方法 配置效率 能源消耗 股权结构 综合绩效 经济增长 空间相关性 空间收敛性 研究现状 研发技术效率 独立董事 影响因素 大型综合医院 复合残差项 地区差异 区域增长 全要素生产率变动分解 企业效率 代理成本 主成分分析 sfa
2014年 序号 1 2 3 4 5 6 7 8 9 10 11
科研热词 高技术产业 随机前沿函数 环境因素 旅游业 医疗服务 医疗卫生服务效率 医疗卫生服务 全要素生产率 专利产业化效率 sfa方法 malmquist指数
推荐指数 1 1 1 1 1 1 1 1 1 1 1
2013年 科研热词 推荐指数 随机前沿方法 4 随机前沿分析 4 技术效率 4 高校校办产业 2 随机前沿分析(sfa) 2 效率 2 投资来源 2 成本函数 2 全要素生产率 2 fdi 2 高校知识创新链 1 高校 1 随机前沿分析方法(sfa) 1 随机前沿 1 绩效评价 1 统计分析 1 科技创新 1 碳排放 1 湖北省 1 数据包络分析 1 政产学研用 1 技术转移效率 1 房地产上市公司 1 战略性新兴产业 1 成本效率 1 成本一效益效率 1 成本-效益效率 1 影响因素 1 当地政府支持 1 外部运营环境 1 国防科技工业 1 商业银行 1 参数法 1 协同 1 医疗卫生 1 区域市场需求规模不确定性 1 创新效率 1 创意经济 1 农地城市流转效率 1 军民融合 1 公交线路 1 企业规模 1 人力资本 1 产权类型 1 产业集聚 1 产业竞争力 1 交通运输系统工程 1 专利转化效率 1 x效率 1 malmquist指数 1
基于SFA方法的中国智能制造业全要素生产率研究
基于SFA方法的中国智能制造业全要素生产率研究*申丹虹 崔张鑫内容摘要：本文基于随机前沿分析（SFA）和Malmquist法对我国2010—2018年的智能制造业①上市公司的全要素生产率进行了测算和分解，以探寻智能制造业的发展现状及存在的问题，从而找到提升路径。
结果表明：智能制造业目前还处于规模递减的状态，但是发展潜力很大。
智能制造业的全要素生产率年均增长为 5%，主要归因于技术水平的落后，说明智能与制造业的融合并没有消除“信息技术生产率悖论”的存在。
我国依然要加大对技术创新的投入并加强对高素质人才和管理人才的投入，推进要素的优化配置以及增加资本的投入从而促进制造业的高质量发展。
关键词：智能制造业；全要素生产率；Malmquist；随机前沿函数中图分类号：C812 文献标识码：A 文章编号：1004-7794(2021)01-0048-06DOI: 10.13778/ki.11-3705/c.2021.01.006一、引言和文献综述在互联网、大数据、云计算等技术不断发展的基础上，人工智能催生了一批新技术，引领着新一轮的科技革命和产业变革，各领域对人工智能的应用加速推进，在此背景下，人工智能和制造业的融合，可以为制造业的高质量发展提供新动能。
米晋宏等（2020）运用上市公司的数据实证研究分析了人工智能技术的应用对制造业产业结构的升级有促进作用[1]。
付文宇等（2020）通过2003—2018年30个省份的面板数据实证分析表明人工智能通过技术的创新和人才资本的积累效应促进了了制造业的升级[2]。
智能制造业是人工智能和制造业的深度融合。
目前，对于智能制造业全要素生产率的研究是热点话题。
葛金田（2019）提出生产率是衡量竞争力和经济可持续发展的重要影响因素，因而提高智能制造业全要素生产率极其重要[3]。
一些学者认为智能促进制造业全要素生产率的提升，刘亮等（2020）证伪了“信息技术生产率悖论”的存在，指出人工智能对中高技术行业生产率的提升效应强[4]。
随机前沿模型SFA原理解读
随机前沿模型（SFA ）原理和软件实现一、SFA 原理在经济学中，常常需要估计生产函数或者成本函数。
生产函数f (x)的定义为：在给定投入x 情况下的最大产出。
但现实中的产商可能达不到最大产出的前沿，为了，假设产商i 的产量为：i i i y f (x ,)βξ= （1） 其中，β为待估参数；i ξ为产商i 的水平，满足i 01ξ<≤。
如果i =1ξ，则产商i 正好处于效率前沿。
同时，考虑生产函数还会受到随机冲击，故将方程（1）改写成：i v i i i y f (x ,)e βξ= （2） 其中，i v e 0>为随机冲击。
方程（2）意味着生产函数的前沿i v i f (x ,)e β是随机的，故此类模型称为“随机前沿模型”（stochastic frontier model ）。
随机前沿模型最早由Aigner, Lovell and Schmidt(1977)提出，并在实证领域运用广泛，Kumbhakar and Lovell(2000)为该领域的研究写了一本著作，有兴趣的同学可以去参考。
假设o k 1i 1i ki f (x ,)e x x ββββ=（柯布道格拉斯生产函数，共有K 个投入品），则对方程（2）取对数可得：K i 0k ki i i k 1ln y =+ln x ln ββξν=++∑ （3）由于i 01ξ<≤，故i ln 0ξ≤。
定义i i u =-ln 0ξ≥，则方程3可以写成：Ki 0k ki i i k 1ln y =+ln x -u ββν=+∑ 其中，i u 0≥为“无效率”项，反映产商i 距离效率前沿面的距离。
混合扰动项i i i ενμ=-分布不对称，使用OLS 估计不能估计无效率项i u 。
为了估计无效率项i u ，必须对i i νμ、的分布作出假设，并进行更有效率的MLE （最大似然估计）估计。
一般，无效率项的分布假设有如下几种：(1) 半正态分布(2) 截断正态分布(3) 指数分布在一般的论文中，使用的最多的是半正态分布随机前沿模型可以很容易地用于估计成本函数，经过与生产函数的随机前沿模型类似的推导可得：Ki 0y i k ki i i k 1ln c =+lny ln P +u βββν=++∑其中，i c 为产商i 的成本，i y 为产出，ki P 为要素K 的价格，i u 为无效率项，i ν为成本函数的随机冲击。
【国家自然科学基金】_随机前沿分析(sfa)_基金支持热词逐年推荐_【万方软件创新助手】_20140801
2013年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52
2014年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74
协同 区域市场需求规模不确定性 创意经济 出口贸易 农户技术效率 农地城市流转效率 农业产业化 军民融合 公交线路 企业规模 人力资源效率 人力资本 产权类型 产业集聚 产业竞争力 交通运输系统工程 主成分分析 专利转化效率 不良贷款 三阶段dea模型 x效率 malmquist指数
2012年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51
科研热词 推荐指数 技术效率 8 随机前沿分析 7 随机前沿方法 4 随机前沿模型 3 随机前沿分析(sfa) 3 效率 3 影响因素 3 商业银行 3 sfa 3 高校校办产业 2 能源效率 2 投资来源 2 战略性新兴产业 2 成本效率 2 成本函数 2 创新效率 2 全要素生产率 2 fdi 2 高校知识创新链 1 高校 1 面板单位根 1 随机效应回归 1 随机性收敛 1 随机前沿生产函数 1 随机前沿分析方法(sfa) 1 长三角 1 自然因素 1 绿色经济 1 绩效评价 1 统计分析 1 空间差异 1 科技环境 1 科技创新 1 碳排放 1 知识溢出 1 滞后效应 1 湖北省 1 水资源利用效率 1 数据包络分析 1 政产学研用 1 技术转移效率 1 房地产上市公司 1 成本一效益效率 1 成本-效益效率 1 当地政府支持 1 外部运营环境 1 外资r&d 1 地区差异 1 国际比较 1 国防科技工业 1 国民健康 1 参数法 1
基于SFA模型的我国旅游业效率估计与区域差异性分析
基于SFA模型的我国旅游业效率估计与区域差异性分析内容摘要：本文以柯布-道格拉斯函数为基准，采用随机前沿方法（SFA）对我国省际旅游业的效率进行实证分析，结果显示：我国区域旅游业的发展正处于低效率不断向高效率转变的时期；区域旅游业效率存在较大差异，但这种差异正不断减小。
关键词：旅游业效率区域差异SFA引言及相关研究回顾随着经济的发展，我国旅游业有着惊人的进步：国际旅游外汇收入由1978年的2.6亿美元增长到2012年的500亿美元。
截至2012年底，全年国内旅游收入22706亿元，约占GDP的4.37%，同期增长了17.6%，国内出游人数达到29.6亿人次。
我国旅游业的快速发展为旅游目的地的相关产业发展提供了良好的发展市场。
虽然我国旅游业呈快速发展的态势，但是我国旅游产业的发展却呈现较强的区域异质性。
国外学者对于旅游效率的研究主要集中于可持续发展的方向，Blancas等（2010）利用随机前沿函数来评价西班牙旅游业的资源利用效率，他们认为西班牙应重视旅游资源的可持续发展原则，发展以保护生态为核心的绿色环保型旅游业。
国内也有很多学者对旅游业的效率进行评价，但是大部分学者都采用DEA 评价的方法对我国旅游业的效率进行估计，采用SFA对我国旅游业效率评价和区域差异性分析的学者较为鲜有。
刘长生（2012）选取张家界市为例，对旅游区服务的效率进行分析，认为环保交通低碳旅游服务效率呈显著性季节变化，且旅游业服务的效率较低。
也有少数学者采用其他方法对旅游业发展的区域差异性进行研究，如吴玉鸣（2013）采用地理加权回归的方法检验了我国省域旅游业的空间差异性，认为我国省域旅游产业具有显著的局部集群效应，且存在较强的空间自相关性。
本文利用随机前沿分析技术，对我国区域旅游业的效率进行实证分析，并分析其区域差异性。
模型构建与数据样本（一）模型设定在一般的实证分析中，对技术效率的测算主要有两种方法：一种是数据包络分析（DEA），一种是随机前沿分析（SFA）。
基于SFA模型的农业生产技术效率分析
基于SFA模型的农业生产技术效率分析采用了SFA模型，对新疆地区的农业生产技术效率，在C-D生产函数的假设下，进行了量化分析，旨在提出新疆地区农业生产效率较低地区提高农业产量的策略与建议。
另外，还对模型的结果进行了剖析，对新疆地区农业生产的现状进行了描述。
标签：SFA；农业生产技术效率；新疆；C-D生产函数；随机前沿生产函数1前言中国人口占全世界人口的五分之一，是不折不扣的人口大国。
虽然中国拥有九百六十万平方公里的国土面积，然而中国的耕种面积却是非常有限的。
所谓“国以民为本，民以食为天”，“兵马未动粮草先行”，自古至今，农业生产都是国之根本，因此，怎样在有限的土地资源限制下达到最大限度的农业产出显得尤为重要，对于新疆维吾尔自治区的农业生产是否是有效的，对农业生产效率的研究成为一个迫在眉睫的一个问题。
2国内外研究现状目前，我国对于农业生产技术效率分析的研究主要利用以下两种方法：一，数据包络分析（DEA），非参数前沿模型。
二，应用确定性前沿模型和随机前沿生产函数（SFA）进行技术效率分析。
前沿随机生产函数（SFA）更多用于非农业生产中的效率分析，受到这种研究的影响，我国的农业生产效率研究也迎来了SFA模型在农业生产中实证研究的热潮。
SFA模型的误差项可以分解为随机误差和技术非效率误差，这样做使得气候，自然灾害等非可控因素得以从误差项中分离出来，从而获得的技术非效率误差更加精确。
上世纪90年代，SFA分析法得到了巨大的发展，它不仅可以测量各个样本的技术效率水平，对样本间的技术效率进行定量分析，还可以对影响技术效率的因素进行测量和分析。
SFA模型相对于DEA模型来讲，优势在于对误差的估计。
并且SFA模型不仅可以对各个参数进行检验，还可以对整个函数的形式进行检验。
DEA模型的优势在于无需对生产函数的形式进行设定，本文之所以采用SFA模型，原因在于，本文的生产函数采用了C—D生产函数。
3对模型中生产函数的假设模型中关于C—D生产函数的介绍：C—D生产函数是数学家柯布和经济学家道格拉斯于20世纪30年代提出来的，被认为是一种很有用的生产函数。
随机边界模型Stochastic Frontier Models
最大产出
SFA 的模型设定思想
TE(q, z) q 1 f (z)
(18.1)
q : 实际产出; f (z) : 理论产出; z : 要素投入
qi f (zi , ) TEi
qi f (zi , ) TEi exp(vi )
vi
~
N
(0,
2 v
)
(18.2) (18.3)
(18.60) (18.66)
Thanks
New Course: /Default.aspx?id=93
References 1
• Aigner, D., C. Lovell, P. Schmidt, 1977, Formulation and estimation of stochastic frontier production function models, Journal of Econometrics, 6 (1): 21-37.
u+it : 随时间变化的无效率项 (transient component)
Panel SFA: Pooled SFA model
yit 1 44x2i't 443vit uit ,
SF
vit :
iid
N
(0,
2 v
),
uit :
iid
N
(0,
2 u
)
(18.31)
Panel SFA:随机效应模型 (RE-SFA)
SF
inEff
(18.44)
• TE 的估计值将是有偏的
• 把那些个体异质性(公司文化, CEO特征等)影响产出的因素都归为“无 效率项”了
TFP的测算笔记
一、测量tfp的方法分类（一）索罗残差法寻找一个合适的生产函数形式(常用的有: C-D 生产函数、超越对数生产函数以及CES 生产函数等总量生产函数形式),利用样本数据进行回归,估算出总量生产函数的具体参数,得到具体的生产函数,将产出增长率扣除各种投入要素增长率后的残差,作为TFP的增长。
按传统的增长核算法,在假定生产在技术上是充分有效的条件下,可以得出全要素增长率等于产出增长率与全部投入要素增长率加权和之差。
（二）随机前沿方法（SFA）（参数法）1、生产前沿面法在允许有技术无效的存在的条件下,从另外一个角度理解和测算生产率。
生产前沿面法是指以具有投入或产出最优性质的生产函数来构造生产前沿面,通过生产过程的实际值(投入或产出)与最优值(最小成本或最大产出)的比较来得出TFP 的方法。
根据构造生产前沿面方法的不同,生产前沿面法又可分为参数型模型法和非参数型模型法。
2、SFA的部分推导3、SFA下tfp分解部分推导Aigner、Lovell、Schmidt和Meeusen、Van den Broeck（1977）：由投入变化而带来的产出的变化、技术变化率、技术效率变化率；Kumbhakar(2000)：技术进步、技术效率增长、规模经济效应增长、资源配置效率增长。
（三）数据包络分析法(DataEnvelopment Analysis, DEA)（非参法）1、非参数型模型法首先根据样本中所有个体的投入和产出构造一个能够包容所有个体生产方式的最小的生产可能性集合:即所有要素和产出的有效组合。
所谓“有效”即,是以一定的投人生产出最大产出(面向产出的情况),或以最小的投入生产出一定的产出(面向投入的情况)。
一个个体的技术效率衡量的是,在给定该个体的产出能够实现的前提下,和生产可能性集合中生产等量产出的投入量相比,其投入还有多大的节约余地。
余地越大,说明该企业的技术效率越低。
该方法的优点是无须估计企业的生产函数,从而避免了因错误的函数形式带来的问题;缺点是需要大量的个体数据,且对算法的要求很高,同时对生产过程没有任何描述。
基于SFA模型的我国区域技术创新效率的实证研究
基于SFA模型的我国区域技术创新效率的实证研究一、本文概述本文旨在利用随机前沿分析（Stochastic Frontier Analysis，简称SFA）模型，对我国区域技术创新效率进行深入的实证研究。
技术创新是推动社会进步和经济发展的核心动力，而区域技术创新效率的高低直接影响着我国各地区的经济增长质量和速度。
因此，全面、准确地评估我国区域技术创新效率，对于优化创新资源配置、提升创新体系效能具有重要的理论和现实意义。
本文将简要介绍SFA模型的基本原理及其在技术创新效率研究中的应用。
随后，通过对我国各区域技术创新活动的数据收集与整理，运用SFA模型对区域技术创新效率进行量化分析。
研究将涵盖技术创新投入、产出以及环境因素等多个方面，以全面反映我国各区域技术创新效率的实际状况。
在实证研究中，本文将重点关注以下几个方面：一是我国各区域技术创新效率的总体水平及差异；二是影响区域技术创新效率的关键因素；三是如何优化创新资源配置，提升区域技术创新效率。
通过对这些问题的深入探讨，本文旨在为我国区域技术创新政策的制定和实施提供科学依据。
本文将对实证研究结果进行总结，并提出相应的政策建议。
通过提高区域技术创新效率，促进我国经济的持续、健康、快速发展，为实现创新型国家的战略目标贡献力量。
二、理论框架与模型构建技术创新效率是衡量一个区域技术创新能力和资源利用效果的重要指标。
在当前全球化和知识经济的背景下，技术创新已成为推动区域经济发展的核心动力。
基于随机前沿分析（SFA）模型，本研究旨在深入探究我国各区域技术创新效率的差异及其影响因素，为政策制定者提供决策参考。
SFA模型起源于经济学中的生产前沿理论，它假设每个生产单位都存在一个潜在的最大产出，而实际产出则受到各种非效率因素的影响，如技术无效、管理不善等。
通过估计生产单位的随机误差项和技术无效项，SFA模型能够准确地量化技术效率，并进一步分析影响技术效率的因素。
本研究采用SFA模型对我国各区域的技术创新效率进行实证研究。
【国家社会科学基金】_随机前沿分析方法(sfa)_基金支持热词逐年推荐_【万方软件创新助手】_20140808
2012年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
科研热词 随机前沿分析 技术效率 非参数方法 随机前沿分析方法 随机前沿分析(sfa) 营业税 空间计量 税收征管效率 测土配方施肥技术 本土技术转移 教育投入产出 技术效率损失模型 国际技术转移 全要素生产率 主成分分析 σ 收敛 β 收敛 tobit模型
推荐指数 3 3 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2013年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
科研热词 推荐指数 技术效率 2 影响因素 2 随机前沿生产函数 1 随机前沿分析方法(sfa) 1 随机前沿分析 1 进入退出 1 航空航天产业 1 生产率促进型投资 1 生产效率 1 湖北省 1 支出扩张 1 技术前沿 1 分位数回归分解 1 农地城市流转效率 1 农业技术 1 全要素生产率 1 sfa 1
2011年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
2011年 科研热词 随机前沿分析 技术效率 税收征管效率 sfa 能源消耗 股权结构 经济开放 效率评估 小麦生产 奶农 养殖方式 公共部门 企业效率 代理成本 中国粮食主产区 bc(1995)模型 推荐指数 3 3 2 2 1 1 1 1 1 1 1 1 1 1 1 1
科研热词 随机前沿方法 高科技产业 随机前沿分析法(sfa) 随机前沿分析 间接溢出效应 金融安全 经验分析 直接溢出效应 海外扩张 效率 技术效率 战略引资 外商直接投资 制造业 利润效率 创新效率 创新 创业板 ipo抑价
推荐指数 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
中国科技成果转化效率及其影响因素研究_基于随机前沿函数的实证分析_董洁
收稿日期：2012－02－28基金项目：国家社会科学基金重点项目（10ATJ003）；江苏统计应用研究基地基金项目（2012012）作者简介：董洁（1964－），女，辽宁沈阳人，博士、研究员、硕士生导师，研究方向为经济系统分析与管理；黄付杰（1987－），男，山东聊城人，硕士研究生，研究方向为科技统计。
中国科技成果转化效率及其影响因素研究———基于随机前沿函数的实证分析董洁a ，黄付杰b（江苏大学a．工商管理学院；b．财经学院，江苏镇江212013）摘要：通过收集2007 2010年我国31个省市科技成果转化的面板数据，采用因子分析法和随机前沿分析法，对我国科技成果转化效果和科技成果转化效率及其影响因素分别进行测度与比较分析。
研究发现：我国科技成果转化效率不高、各省市间存在较大差距；东部省市的科技成果转化效果和转化效率明显好于中西部省市；在影响科技成果转化的诸多因素中，政府支持起着最为关键的作用。
关键词：科技成果转化；因子分析；随机前沿分析中图分类号：F124．3文献标识码：A 文章编号：1001－8409（2012）10－0015－06Research on Transformation Efficiency ofSci －tech Achievements and Its Influencing Factors———An Empirical Analysis Based on Stochastic Frontier FunctionDONG Jie a ，HUANG Fu －jie b（a．School of Business and Management ；b．School of Financial and Economics ，Jiangsu University ，Zhenjiang 212013）Abstract ：This paper compared and analyzed the efficiency of sci －tech achievements and its influencing factors through collecting the sci －tech Achievements of Chinese 31provinces panel data from 2007to 2010by factor analysis and stochastic frontier analysis．Result shows that china＇s scientific and technological achievements conversion efficiency is not high and there is a big gap between the provinces ；Effects and the conversion efficiency of scientific and technological achievements of the eastern is significantly better than the central and western provinces ；government support plays the most crucial role in the many factors that affect the scientific and technological achievements．Key words ：transformation of sci －tech achievements ；factor analysis ；stochastic frontier analysis1引言近年来，随着高技术产业的发展日益成为经济发展的推动力，研发活动日益受到我国的重视，R＆D 投入大幅增加，由此也引发了对R＆D 推动经济增长效率的研究。
随机前沿分析(穆瑜秀11.27)
SFA
参数方法 是 存在无效率
技术效率、规模效
率、配置效率 投入产出的数量 截面数据 面板数据
技术效率、规模效率、配置
效率、技术进步、TFP的变化 投入产出的数量 截面数据 面板数据
所需要变量
所需要数据
随机前沿分析（SFA)与数据包络分析（DEA）的比较
SFA与DEA的优缺点比较
SFA
有统计特性； 有无统计特性 对参数进行t检验； 对模型本身进行LR检验 随机前沿面； 固定前沿面； 无统计特性
动的产出弹性）； Translog 函数优点： 考虑了资本和劳动相互作用对于产出的影响，克服了C—D 函数 替代弹性固定为1的缺点。 如何选择使用哪种生产函数： 首先选择Translog函数，在参数估计后做β 3=β 4=β 5=0是否为0
的似然比检验（LR检验）。若不能拒绝β 3=β 4=β 5=0的原假设，
又分为随机性和确定性两种方法。
确定性前沿生产函数
是否考虑随 机因素影响 不考虑
随机前沿生产函数（SFA）
考虑
随机扰动项ε 应由v和u 组
把影响最优产出和平均 成； 误差项 产出的全部误差归入单 v是随机误差项/噪声(不可 侧的一个误差项，称为 控)，计算系统非效率； 生产非效率。 计算技术非效率。
u是技术损失误差项(可控），
随机前沿生产函数模型
随机前沿生产函数模型： 在确定性生产函数的基础上提出了具有复合扰动项的随机前 沿模型。Aigner，Lovell和Schmidt(1977)以及Meeusen和 Broeck(1977)都分别提出了如下形式的随机前沿面生产函数：
式中， 代表第i家公司的产出； 是包含投入对数的K*1向
2 u
式1表明 是独立同分布的正态随机变量，服从期望为0,
随机前沿分析(整理版)
3.2 面板数据生产边界模型 3.2.1 非时变的技术有效性 3.2.2 时变的技术有效性
• 第四章 对生产率和效率变化的度量 • 第五章 与其他方法的比较
随机前沿分析(整理版)
一、导言
1.1 随机前言方法简介
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 。
随机前沿分析(整理版)
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
随机前沿分析(整理版)
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; 随机前沿生产函数( Stochastic Frontier ProductionFunction)在确定性生产函数的基础上提 出了具有复合扰动项的随机边界模型。其主要思想 为随机扰动项ε应由v 和u 组成, 其中v 是随机误差 项, 是企业不能控制的影响因素, 具有随机性, 用以 计算系统非效率; u是技术损失误差项, 是企业可以 控制的影响因素, 可用来计算技术非效率。很明显, 参数型随机前沿生产函数体现了样本的统计特性, 也反映了样本计算的真实性。
基于SFA模型的我国旅游业效率估计与区域差异性分析
其中 ， Ｙ ＋ ． 代表第 ｔ 年第 ｉ 个地 区旅 游产
Байду номын сангаас
业的总产 出水平 ；Ｌ ＋ ． 代表第 ｔ 年第 ｉ 个地 区
旅游产业的劳动力要素投入量 ，Ｋ ． ＋ 表示第ｔ
模 型 构 建 与 数 据 样 本
（ 一 ）模 型 设 定
年第 ｉ 个地区旅 游产业的资本要素投入量 ； Ａ表示旅 游业 的技术要素投入水平 ；１ ３ 和
Ｙ＝ｆ （ ｘ ；１ ３） ｅ ｘ ｐ（ Ｖ—Ｕ） （ １ ） 其中， ｙ 表示产 出水平； ｘ 表示投入量；
反映时间因素对技 术非效率的影响 ， 其 中，
Ｔ １ 为模型 的参数 ， 当Ｔ １ ＞０ 时， 随着 时间推
（ ２ ０ １ ０） 利 用随机前沿 函数来评价 西班牙
旅游业 的资源利用效率 ，他 们认 为西班牙 应重视旅游 资源的可持续发展原 则 ，发展
在式 ｆ ６） 中，ｙ是待估 计参数 ，表示
随机误 差项 中技术 非效率所 占比重。若 ｙ
值接近 １ ，则误 差项主要 由技术非效 率引 起 ；若 ｙ接近 于 Ｏ ，则实 际产 出水平 与随
基 于 Ｓ Ｆ Ａ 模 型 的 我 国 旅 游 业 效 率 估 计
与区 域差异 性分 析
■ 孟 涛 副教授 （ 青海 民族 大学工商管理 学院 西 宁 ８ １ ０ ０ ０ ０）
◆ 中图分 类号 ：Ｆ ０ ６ ２ ． ９ 文献标 识码 ：Ａ
我 国省域旅游 业的空间差异性 ，认为我 国
０ 。当 ｕ ＝ ０时，有 Ｙ＝ｆ （ ｘ ；１ ３） ｅ ｘ ｐ（ Ｖ） ，
国 内也有很 多学者对旅游业 的效 率进 行评 价， 但是大部分 学者 都采用 ＤＥ Ａ评价 的方 法对 我 国旅 游 业 的效 率 进行 估计 ，采 用 Ｓ Ｆ Ａ对我 国旅 游业 效率评价和 区域差 异性
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
随机前沿模型（SFA ）原理和软件实现
一、SFA 原理
在经济学中，常常需要估计生产函数或者成本函数。
生产函数f (x)的定义为：在给定投入x 情况下的最大产出。
但现实中的产商可能达不到最大产出的前沿，为了，假设产商i 的产量为：
i i i y f (x ,)βξ= （1）
其中，β为待估参数；i ξ为产商i 的水平，满足i 01ξ<≤。
如果i =1ξ，则产商i 正好处于效率前沿。
同时，考虑生产函数还会受到随机冲击，故将方程（1）改写成：
i v i i i y f (x ,)e βξ= （2）
其中，i v e 0>为随机冲击。
方程（2）意味着生产函数的前沿i v i f (x ,)e β是随机的，故此类模型称为“随机前沿模型”（stochastic frontier model ）。
随机前沿模型最早由Aigner, Lovell and Schmidt(1977)提出，并在实证领域运用广泛，Kumbhakar and Lovell(2000)为该领域的研究写了一本著作，有兴趣的同学可以去参考。
假设o k
1i 1i ki f (x ,)e x x ββββ=L （柯布道格拉斯生产函数，共有K 个投入品），则对方程（2）取对数可得：
K i 0k ki i i k 1ln y =+ln x ln ββξν=++∑ （3）
由于i 01ξ<≤，故i ln 0ξ≤。
定义i i u =-ln 0ξ≥，则方程3可以写成：
K
i 0k ki i i k 1ln y =+ln x -u ββν=+∑ 其中，i u 0≥为“无效率”项，反映产商i 距离效率前沿面的距离。
混合扰动项
i i i ενμ=-分布不对称，
使用OLS 估计不能估计无效率项i u 。
为了估计无效率项i u ，必须对i i νμ、的分布作出假设，并进行更有效率的MLE （最大似然估计）估计。
一般，无效率项的分布假设有如下几种：
(1) 半正态分布
(2) 截断正态分布
(3) 指数分布
在一般的论文中，使用的最多的是半正态分布
随机前沿模型可以很容易地用于估计成本函数，经过与生产函数的随机前沿模型类似的推导可得：
K
i 0y i k ki i i k 1ln c =+lny ln P +u βββν=++∑
其中，i c 为产商i 的成本，i y 为产出，ki P 为要素K 的价格，i u 为无效率项，i ν为成本函数的随机冲击。
注意混合误差项的形式（符号）。
对于成本函数，i u =0意味着产商达到最低成本的效率前沿；
反之，如果i u 0>，则产商需付出更高的成本。
i u 是否存在的检验
使用随机前沿模型的前提是无效率项i u 存在，此假定可以通过检验
“220u 1u H : =0 vs H : >0σσ”来判断是否成立。
使用单边的广义似然比检验。
二、软件实现
Frontier4.1软件是由Tim Coelli 开发的一款专门用于完成随机前沿分析的软件，它可以用最大似然估计随机前沿成本模型和随机前沿生产模型，下面简单介绍一下该软件的使用方法，更加详细的说明可以参考英文指导《A Guide to FRONTIER Version 4.1: A Computer Program for Stochastic Frontier Production and Cost Function Estimation 》
Eg1.DTA 用于输入数据，是一个纯文本文件，数据文件的格式必须是3+K[+p]列。
第一列是评价体系的序号；
第二列是时期t ；
第三列是因变量；
第四列之后是K 个自变量；
[+p]仅当选择TE EFFECTS MODEL 模型输入。
EG1.INS 设置命令
1 1=ERROR COMPONENTS MODEL, 2=TE EFFECTS MODEL
选择模型
eg1.dta DATA FILE NAME
数据文件
eg1.out OUTPUT FILE NAME
结果存储文件
2 1=PRODUCTION FUNCTION, 2=COST FUNCTION
选择生产模型（1）还是成本模型（2）
n LOGGED DEPENDENT V ARIABLE (Y/N)
变量是不是已经进行了对数运算
25 NUMBER OF CROSS-SECTIONS
评价体系数目
1 NUMBER OF TIME PERIODS
时期数目
25 NUMBER OF OBSERV ATIONS IN TOTAL
总记录数目
2 NUMBER OF REGRESSOR V ARIABLES (Xs)
自变量个数
Y MU (Y/N) [OR DELTA0 (Y/N) IF USING TE EFFECTS MODEL]
假设U的分布。
Y表示截断分布，N表示半正态分布
n ETA (Y/N) [OR NUMBER OF TE EFFECTS REGRESSORS (Zs)]
y 表示时变模型，n表示非时变模型。
n STARTING V ALUES (Y/N)
选择n
其他设置保持不变。