随机前沿模型(SFA)-原理解读(4页).doc

-随机前沿模型(SFA)-原理解读-第 4 页随机前沿模型（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。生产函数的定义为：在给定投入情况下的最大产出。但现实中的产商可能达不到最大产出的前沿，为了，假设产商的产量为： （1）其中，为待估参数；为产商的水平，满足。如果，则产商正好处于效率前沿。同时，考虑生产函数还会受到随机冲击，故将方程（1）改写成： （2）其中，为随机冲击。方程（2）意味着生产函数的前沿是随机的，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（柯布道格拉斯生产函数，共有K个投入品），则对方程（2）取对数可得： （3）由于，故。定义，则方程3可以写成：其中，为“无效率”项，反映产商距离效率前沿面的距离。混合扰动项分布不对称，使用OLS估计不能估计无效率项。为了估计无效率项，必须对的分布作出假设，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型可以很容易地用于估计成本函数，经过与生产函数的随机前沿模型类似的推导可得：其中，为产商i的成本，为产出，为要素K的价格，为无效率项，为成本函数的随机冲击。注意混合误差项的形式（符号）。 对于成本函数，意味着产商达到最低成本的效率前沿；反之，如果，则产商需付出更高的成本。是否存在的检验使用随机前沿模型的前提是无效率项存在，此假定可以通过检验“”来判断是否成立。使用单边的广义似然比检验。二、软件实现 是由Tim Coelli开发的一款专门用于完成随机前沿分析的软件，它可以用最大似然估计随机前沿成本模型和随机前沿生产模型，下面简单介绍一下该软件的使用方法，更加详细的说明可以参考英文指导A Guide to FRONTIER Version 4.1: A Computer Program for Stochastic Frontier Production and Cost Function EstimationEg1.DTA用于输入数据，是一个纯文本文件，数据文件的格式必须是3+K+p列。第一列是评价体系的序号；第二列是时期t；第三列是因变量；第四列之后是K个自变量；+p仅当选择TE EFFECTS MODEL模型输入。命令1 1=ERROR COMPONENTS MODEL, 2=TE EFFECTS MODEL选择模型eg1.dta DATA FILE NAME数据文件eg1.out OUTPUT FILE NAME结果存储文件2 1=PRODUCTION FUNCTION, 2=COST FUNCTION选择生产模型（1）还是成本模型（2）n LOGGED DEPENDENT VARIABLE (Y/N)变量是不是已经进行了对数运算25 NUMBER OF CROSS-SECTIONS评价体系数目1 NUMBER OF TIME PERIODS时期数目25 NUMBER OF OBSERVATIONS IN TOTAL总记录数目2 NUMBER OF REGRESSOR VARIABLES (Xs) 自变量个数Y MU (Y/N) OR DELTA0 (Y/N) IF USING TE EFFECTS MODEL假设U的分布。Y表示截断分布，N表示半正态分布n ETA (Y/N) OR NUMBER OF TE EFFECTS REGRESSORS (Zs)y 表示时变模型，n表示非时变模型。n STARTING VALUES (Y/N)选择n其他设置保持不变