随机边界分析讲解推荐.ppt

得到 一致和无偏的 斜率参数 ，以及一致和有偏的截面参数 。 第二步，有偏的截距参数 被向上修正以保证估计的前沿是所有数据的上界： ‘ COLS估计的生产前沿平行于OLS回归（以自然对数形式），意味着最好的生产技术的结构与中心（平均）趋势的生产结构一致，这是COLS的缺陷，应当允许处于生产前沿上的有效率的公司的生产结构不同于位于平均位置的公司的生产结构。 3.1.2随机生产边界 由于确定性前沿生产函数没有考虑到产活动中存在的随机现象，Aigner，ovell，Schmidt(ALS)和Meeusen,van den Broeck (MB)同时于1977年引进了随机前沿生产函数 （1） 其中v代表影响生产活动的随机因素，一般假设它是独立同分布（i.i.d)的正态随机变量，具有0均值和不变方差； 代表随机前沿生产函数；u(非负)代表着生产效率或管理效率，一般假设它是独立同分布的半正态随机变量或指数随机变量独立于 。 假设生产函数取C-D形式： （2） 在上述v和u的假设下，可以使用最大似然法 （ML）或调整最小二乘法（MOLS）估计参数 和误差项 ，进而得到技术效率 ，如下所述。 1.正态——半正态模型的ML估计 假设： （1） （2） （3） 和 的分布相互独立，且与解释变量相互独立。 u ,v的密度函数以及u 和v的联合密度函数， u和 的联合密度函数分别是: 是标准正态分布函数 （3） 于是可给出参数 、 、 的ML估 计，从而得到 、 以及技术效率的估计： 2.正态——指数模型的ML估计 假设： （1） （2） 指数分布 （3） 和 的密度函数以及u和v的联合密 度函数、 和 的联合密度函数分别是： 于是可给出参数 、 、 的ML估计以及技术效率的估计： 3.正态——半正态模型