随机前沿生产函数.ppt

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： (1) 式中， 代表第i家公司的产出； 是包含投入对 数的K*1向量；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 由式（1）确定的模式被称为随机前面生产函数，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。随机前沿面模型的这些重要特点可以通过图示说明。为了方便说明，首先要限定只有唯一的投入 获得产出 。在这个前提下的科布·道格拉斯随机前沿生产函数如下 或 或 确定部分 噪声 无效率 图1表示的就是这样一个前沿生产函数，其中表 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 的下得到产 出 。而公司B在投入水平 下得到产出 。 如果没有技术无效率效应（例如如果 和 都 等于0），则A和B两个公司的前沿生产函数产出 分别为： 图1 随机生产前沿面 噪声影响 无效率 影响 噪声影响 无效率 影响 0 Y X 确定性前沿面 XA XB 从图1中可以很清楚的看到，公司A前沿面产出在生产前沿面的确定值的上方，这是因为噪声效应为正值，而公司B的前沿面产出在生产前沿面得确定值的下方，因为噪声效应为负值。同样可以看到，公司A的观测产出在前沿面得确定值的下方，这是因为噪声效应和技术无效率效应的总和为负值。 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。特别是（未观测的）前沿面产出均匀分布在前沿面确定部分的上方和下方。技术效率可以用计算观测产出与相应的随机前沿面产出的比值： 按照这种方法的技术效率取值为0~1.很明显可以看出，技术效率预测的第一步是估计随机前沿生产函数的参数。 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。此外： （期望为0） （同方差） （不相关） （c为常数，同方差） （不相关） 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 ,由于最大似然估计量具有很大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。 Aigner、Lovell和Schmidt(1977)基于以下假设得到了最大似然估计： （1） （2） 式1表明 是独立同分布（independently and identically distributed）的正态随机变量，服从期望为0,方差为 。式2表明 是独立同分布的半正态随机变量，服从参数为 。 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 式中，