随机前沿生产函数.pptVIP

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。第29页，共51页，星期日，2025年，2月5日1.正态——半正态模型的ML估计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（independentlyandidenticallydistributed）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。第30页，共51页，星期日，2025年，2月5日其中令且。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，是复合误差；是标准正态分布变量在x评价的累积分布函数。最后对似然函数求最大值，通常要对未知参量求一阶倒数，然后把它们设定为0。第31页，共51页，星期日，2025年，2月5日但是在上式的条件下，由于这些一阶条件是高度非线性的，并且不能得出β，σ和λ的解析解。因此必须利用逐步迭代最优化的方法来求似然函数的最大值。这一过程包括为未知参量选取起始值和系统地修正它们，直到给出参数，，的ML估计以及技术效率的估计。详细过程如下第32页，共51页，星期日，2025年，2月5日2.其他模型利用以下形式来替代式（2）中的半正态假设也很常见：（截断的正态分布）（期望为λ的指数分布）（期望为λ，自由度为m的伽马分布）截断的正态分布前沿面模型是Stevenson(1980)提出的，而伽马分布是Greene(1990)提出的。这些模型同样需要逐步最优化来求最大值。第33页，共51页，星期日，2025年，2月5日2.5假设检验在建立模型过程中，要对模型参数以及模型的各种假定条件作检验和判断，常用的检验方法主要有：t检验、F检验、Wald检验、似然比（LR）检验、拉格朗日乘子（LM）检验等。t检验:如果误差服从正态分布，或者当样本容量很大时，能够使用t检测来对单一的系数进行假设检验。令是向量β的第k个分量，c是一个已知常数。第34页，共51页，星期日，2025年，2月5日对于原假设与备选假设使用如下检测统计进行检验：式中，是的估计值；是标准差的估计。因此，如果检测统计的绝对值大于临界值时，在显著性为α×100％下舍弃；如果备选假设是，当t统计量的值小于时则舍弃；如果备选假设是，当t统计量的值大于时则舍弃。第35页，共51页，星期日，2025年，2月5日

3.SFA与其他方法的比较

生产率和效率的度量一般使用DEA和SFA（StochasticFrontierAnalysis）方法（指数方法一般需要价格数据，其度量结果不仅与生产经营有关，还与外部市场环境有关）。对度量结果，还需分析原始数据误差、环境因素、管理决策效率、长期最优化、以利企业找出差距，增强其核心竞争力。以下表格是对指数方法、DEA、SFA三种方法的比较：第36页，共51页，星期日，2025年，2月5日第1页，共51页，星期日，2025年，2月5日随机前沿生产函数1.生产函数概述2.随机前沿生产函