随机前沿分析(穆瑜秀11.27)
合集下载
相关主题
- 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)。
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,
2 方差为 。式 iidN (0, ) 2表明 v
u 是独立同分布的半正态随机变量, i
服从期望为u 0,方差为 i iid N
。 ) (0,
2 u
随机前沿分析参数估计
其中令 且 。如果 ,
则不会有技术无效率效应,并且所有与前沿面的偏差都是由 噪声造成的。利用这种参数定义法,对数似然函数为:
确定性前沿面
q* 0 1 ln xA vAn xB vB )
qB exp(0 1 ln xB vB B )
qA exp(0 1 ln xA vA A )
0
X XA XB
这个前沿面模型的特点可以 推广到公司具有多个投入的 情形。
随机前沿分析假设检验
LR检验:服从自由度为n 、显著性概率为5 %混合卡方分布
对变差率γ 的零假设检验可通过对单边似然比检验统计量LR 的
显著性检验实现。
设θ 是待估计的前沿生产函数的参数向量, 变差率γ =0 可视为
对这些参数施加的约束条件。
似然比: L(0 ) L(1 )
单边似然比检验统计量LR 的表达式为:
随机前沿分析(SFA) 确定性前沿生产函数模型:
exp:以e 为底的指 数函数
Y f ( X ) exp(u )
其中u大于等于0,因而exp(-u)介于0和1之间,反映了 生产函数的非效率程度,也就是实际产出与最大产出
的距离。在确定了生产函数的具体形式后,可以计算
或估计其参数。
注:不考虑随机因素的影响, 直接采用线性规划方法
如果没有技术无效率效应(例如如果
都等于0),
则A和B两个公司的前沿生产函数产出分别为:
q exp(0 1 ln xA vA )
* A
* qB exp(0 1 ln xB vB )
随机前沿生产函数模型
Y
qi exp(0 1 ln xi )
噪声影响 无效率 影响 噪声影响 无效率 影响
DEA
前沿面类型
适用跨时期的面板数据 忽略样本差异性;
不考虑统计噪声 处理输入输出情况
处理结果
只能处理单输出
稳定性高
多输入多输出
离散程度大
Frontier 4.1
操作软件:Frontier 4.1 操作说明: 1)数据文件:纯文本文件(.txt);数据文件具体说 明.doc 2)命令文件:dos界面运行;命令文件具体说明.doc 3)输出文件:系统自动输出,必须在程序文件中指定输 出文件名。 Frontier 4.1软件操作演示 Frontier41操作视频.wmv; 教学视频.exe Frontier 4.1简介.doc
随机前沿分析
导 师:樊 相 宇 汇报人:穆 瑜 秀 日 期:2015.11.27
引 言
生产前沿分析
随机前沿分析
CONTENTS SFA与DEA比较 Frontier4.1
引言 目前,很多学者开展了关于“效率” 在各领域的实 证研究。主要研究不同领域的规模效益、技术效率、纯
技术效率、经济效率等。
在经济学中,技术效率是指在既定的投入下产出可 增加的能力或在既定的产出下投入可减少的能力。常用 度量技术效率的方法是生产前沿分析方法。
随机前沿分析假设检验
在建立模型过程中,要对模型参数以及模型的各种假定条 件作检验和判断。 常用的检验方法主要有:t检验、F检验、Wald检验、似
然比(LR)检验、拉格朗日乘数(LM)检验等。
t检验(双尾):(SFA常用) 如果误差服从正态分布,或者当样本容量很大时,能够 使用t检测来对单一的系数进行假设检验。
L(0 ) LR 2ln 2ln 2ln L(0 ) 2ln L(1 ) 2 ln L(1 ) ln L(0 ) L(1 )
随机前沿分析假设检验
θ 0表示γ =0约束条件下θ 的最大似然估计; θ 1表示无约束条件下θ 的最大似然估计; L(θ 0)和L(θ 1)在这两个估计处的似然函数值; n为约束的个数,等于无假设约束条件的备择模型(有非效率 项的生产函数模型)与有假设约束条件的零假设模型(无非效率
生产前沿分析 生产前沿
指在一定的技术水平下,各种比例投入所对应的最大
产出集合。而生产前沿通常用生产函数表示。
前沿生产函数
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。
生产前沿分析 前沿面
计算前沿面。
随机前沿生产函数的发展
20世纪20年代,美国经济学家道格拉斯(P· Douglas)与数学家 柯布(C· Cobb)合作提出了生产函数理论;
1957年,美国经济学家罗伯特· 索洛(R· Solow)提出全要素生
产率(TFP)的增长率;
1977年,Aigner,Lovell,Schmidt和Meeusen,Van den Broeck
分别独立提出了随机前沿生产函数,允许技术无效率的存在; Schmidt(1980, 1986)、Kumbhakar(1988,1990)、Bauer (1990)、Kalirajan(1993)、Batese和Coelli(1988,1992, 1995)等利用随机前沿生产函数法对技术效率对TFP和产出的 影响做了大量的实证研究。
对γ 做是否为0的极大似然比检验(LR检验)是非常必要的,
它的检验统计量LR渐进服从于混合x2分布。
随机前沿分析参数估计
正态—半正态模型的ML估计
Aigner、Lovell和Schmidt(1977)基于以下假设得到了最
大似然估计:
(1)
vi iidN (0, )
2 v
(2)
u i iid N (0, )
项的生产函数模型)之间待估参数的个数之差。
LR 大于混合卡方分布检验标准值, 则证明变差率γ 的零
假设被拒绝, 同样意味着非效率项u是客观存在的。
随机前沿分析(SFA)与数据包络分析(DEA)的比较
DEA 是否为参数方法 是否考虑随机影响 关于公司效率假设 可计算哪些方面
非参数方法 否 存在无效率
图1 随机生产前沿面
随机前沿生产函数模型
技术效率? 观测产出与相应的随机前沿面产出的比值
大于等于0,可以看出技术效率取值为0~1. 从上式可以明显的看出,技术效率预测的第一步是估计 随机前沿生产函数的参数。
随机前沿生产函数选择
目前,在SFA中生产函数通常选择为柯布—道格拉斯生产函数 (C—D函数)或超越对数生产函数(Translog函数)。
其中,0 , 1 , 2 , 3 , 4和5为待估计参数。
Translog 函数本质是生产函数f(lnK,lnL)在(0,0)点的近似二阶泰勒 展开,当3 4 5 0 时,就退化为C—D 函数。
随机前沿生产函数选择
C—D 函数优点:
形式简洁,参数有直接的经济学含义(β 1和β 2表示资本和劳
不必事先设定前沿函数
不必对参数进行估计
考虑随机误差对决策单元效率 未考虑随机因素对生产 的影响 率和效率的影响 分析 方法 随机前沿分析(SFA)、厚边界分 数据包络分析(DEA) 析(TFA)和自由分布(DFA) 和自由处置法(FDH)
随机前沿分析(SFA) 在参数型前沿生产函数的研究中, 围绕误差项的确立,
。
随机前沿分析参数估计
变差率(参数γ )
判断是否适合使用SFA模型最关键的一个参数是变差率γ
2 u
2 u
γ 表示的是无效影响因素对个体效率差异的解释程度。
2 v
γ ∈(0,1)
γ=0
误差来源 随机因素
0<γ<1
γ=1
随机因素和技术非效率 生产技术的非效率 确定性前沿分析
使用模型 最小二乘估计法(OLS) 随机前沿分析(SFA)
斯随机前沿生产函数(C-D函数)如下: 或
或
确定部分
噪声
无效率
随机前沿生产函数模型
下图1表示了两个公司A和B的投入和产出,同时也图示了
随机前沿生产函数模型的确定成分,由此来反映其规模报酬
递减的特性。
横轴表示投入,纵轴表示产出值。公司A在投入水平 下得到产出 。而公司B在投入水平 下得到产出 和 。
当仅考虑资本(K)和劳动(L)两种投入,易知C—D函数取自
然对数后可表示成如下线性形式:
ln f 0 1 ln K 2 ln L v
Translog 函数是对C—D 函数的推广,其形式如下:
ln f 0 1 ln K 2 ln L 3 (ln K )2 4 (ln L)2 5 ln K ln L v
则选择C—D函数;反之则选择Translog函数。
随机前沿分析参数估计
估计参数
通常假设每个 与 互相独立分布,并且这两种误差与
中的解释变量是不相关的。 基于这些假设,可以使用最大似然法(ML)或者修正的 普通最小二乘法(COLS)估计参数和随机变量,进而得到 技术效率TEi ,由于最大似然估计量具有令人满意的大样本 特征(例如渐进性),它通常要优于其他估计(如COLS)
I i I 2 1 ln L ln I ln ln ( ) 2 2 2 i 1 2 i i 1 I
式中,
是复合误差;
是标准正
态分布变量在x评价的累积分布函数。
最后对似然函数求最大值。具体计算过程参见舒伯利·C·昆
伯卡《随机边界分析》P54-57。
量;β 是待估参数的列向量; 是与技术无效率相关的非负随
机变量; 为观测误差及其他随机因素。
随机前沿生产函数模型
上式中,产出值的上界是随机变量 。随机误差
可以是正值也可以是负值,因此随机前沿面的产出对于前沿面模
型的确定部分
是有偏差的。为了方便说明,首先要限
。在这个前提下的科布·道格拉
定只有唯一的投入 获得产出
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”。前沿面是一
个理想的状态, 现实中企业很难达到这一状态。
前沿分析方法
是否已知生产函数的具体形式,可分为:
参数方法 非参数方法
生产前沿分析 参数方法与非参数方法对比
参数方法 非参数方法
事先设定前沿生产函数
内容 根据投入产出观察值,估计函 数中的参数
随机前沿分析参数估计
其他模型 利用以下形式来替代式(2)中的半正态假设: (截断的正态分布)(1980) (期望为λ 的指数分布)(1990) (期望为λ ,自由度为m的伽马分布) 这些模型同样需要逐步最优化来求最大值。 注:当v服从期望为0的正态分布,μ 服从半正态分布或截 断正态分布或指数分布时,μ 的条件分布μ |ε 都是服从 截断正态分布。