专题1面板随机前沿模型3实证分析注意事项.pdfVIP

专题1 面板随机前沿分析 含固定效应、时变等情形 手把 你Stata 作与案例分析——应用面板数据模型 专题1 面板随机前沿分析模型 1 随机前沿分析（SFA） •SFA属于参数模型。 •SFA 通过构造前沿生产函数来得到生产前沿面，因此 需要估计前沿生产函数的参数，并将误差项分解为 ① 统计误差项 （随机误差项，即由外部因素产生的结果，如运气， 天气，地理，机器的表现等不可控因素） ② 管理误差项 （即由于企业 因素造成的，如技术和 无效， 生产者和雇员的努力程度等可控因素、或称无效率项） 手把 你Stata 作与案例分析——应用面板数据模型 专题1 面板随机前沿分析模型 2 专题1 面板随机前沿分析模型3 （注意事项） •1 PSFA模型局限性 •2 DEA （非参数法） • 注意： ① 其他实现 ，Frontier4.1、 程序等 ② 若更新Stata 中面板SFA ，则本课件讲的建模步骤可能不再适用 ③ 超越对数生产函数等 手把 你Stata 作与案例分析——应用面板数据模型 专题1 面板随机前沿分析模型 3 SFA 【优点】 ① 考虑了不确定性因素，且能将扰动项分解为随机扰动项和管理 误差项； ② 可以对技术效率及影响技术效率的因素进 算； ③ 是一种动态研究技术，考虑了技术效率的时变性； ④ 能对导致无效率的因素进行分析。 【不足之处】 ① 要求给出具体的生产函数形式和扰动项的具体分布假设。 手把 你Stata 作与案例分析——应用面板数据模型 专题1 面板随机前沿分析模型 4 •Caudill和Ford （1993）通过Monte Carlo模拟分析发现无效率 随机扰动项的异方差性导致前沿参数估计量发生改变； • 随后，Caudill、Ford和Gropper （1995）研究表明无效率随机 扰动项异方差影响前沿函数参数估计量的有效性，同时，无 效率随机扰动项的非对称性导致无效率前沿会随其分散程度 的增加而发生改变，且异方差性显著地影响到银行效率排名。 •Wang （2002 ）从无效率随机扰动项异方差和非单调效率的 视角对随机前沿分析 （SFA）模型进行研究，其 结 论表明，银行效率模型中忽视非单调效率效应会出现误导性 结论。 手把 你Stata 作与案例分析——应用面板数据模型 专题1 面板随机前沿分析模型 5 •在Wang （2002）的研究基础之上， •Wang 和Ho （2010）从无效率随机扰动项异方差、 非单调效率以及前沿模型异质性角度出发， •提出了无效率扰动项异方差固定效应随机前沿模型， •接下来，以利润前沿模型为例， 手把 你Stata 作与案例分析——应用面板数据模型 专题1 面板随机前沿分析模型 6 参考文献：Hung-Jen Wang , Chia-Wen Ho, Estimating Fixed-Effect Panel Stochastic Frontier M s by M Transformatio [J],Journal of Econometrics , 157 (2010) : 286 –296. 手把 你Stata 作与案例分析——应用面板数据模型 专题1 面板随机前沿分析模型