随机前沿模型(SFA)-原理解读.pdfVIP

本教学视频由合工大经济学院张王飞制作，请尊重作者的知识产权，购买后使用，勿用于商业用途，或上 传至网络！谢谢 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： y i f (x i , ) i （1） 其中， 为待估参数； i 为产商 i 的水平，满足 0 i 1 。如果 i =1 ，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： v y i f (x i , ) i e i （2） v i v i 其中， e 0 为随机冲击。方程（ 2 ）意味着生产函数的前沿 f (x i , )e 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 f (x , ) e o x 1 x k （柯布道格拉斯生产函数，共有 K 个投入品），则 i 1i ki 对方程（ 2）取对数可得： ln y = + K ln x ln （3） i 0 k 1 k ki i i 由于 0 1 ，故 ln 0 。定义 u =-ln 0 ，则方程 3 可以写成： i i i i K ln y = + ln x -u i 0 k 1 k ki i i 其中， ui 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 分布不对称， 使用 OLS 估计不能估计无效率项 ui 。为了估计 无效率项 ui ， 必须对 i 、i 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