随机前沿分析.pptxVIP

随机前沿分析;一、导言; 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能够反映出企业的综合 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。然而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, 现实中企业特别难达到这一状态。; 前沿生产函数的研究方法有: 参数方法和非参方法。两 者都能够用来测量效率水平。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; 而非参数方法首先依照投入和产出, 构造出一个包 含所有生产方式的最小生产估计性集合, 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。这个地方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, 如此就影响了观测结果的稳定性。 因此, 我们在这个地方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??机因素的影响, 直截了当;采纳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 Production Function)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, 是企业能够控制的影响因素, 可用来计算技 术非效率。 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。;1、2 发展史简要回顾 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,开始了生产率在经济增长中作用的定量研究。称其为技术进步率,这些未被解释部分归为技术进步的结果,称其为技术进步率,这些未被解释的部分后来被称为“增长余值”(或“索洛值”),也即为全要素生产率(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,之后逐渐发展起来的随机前沿生产函数法则允许技术无效率的存在,并将全要素生产率的变化分解为生产估计性边界的移动和技术效率的变化、 ;这种方法比传统的生产函数法更接近于生产和经济增 长的实际情况。能够将影响TFP的因素从TFP的变化 率中分离出来,从而更加深入地研究经济增长的根源。 利用随机前沿生产函数法,Schmidt(1980, 1986)、Kumbhakar(1988,1990)、Bauer (1990)、Kalirajan(1993)、Batese和Coelli 1988,1992,1995)等对技术效率对TFP和 产出的影响做了大量的实证研究。 ;2、 技术效率的测度2、1、1 确定性生产边界;基于这一思想,Aigner 和Chu (1968) 提出了前沿生产函 数模型,将生产者效率分解为技术前沿(technological frontier) 和技术效率(technical efficiency) 两个部分,前 者刻画所有生产者投入—产出函数的边界(frontier of the