空间ZISF的估计及蒙特卡罗模拟

在随机前沿模型中引入空间效应和技术无效率项的非连续性并构建了空间零无效率随机前沿模型,使用极大似然估计和JLMS方法得出参数和技术效率的估计。蒙特卡罗模拟表明:(1)逆似然比检验能以较高的准确率识别真实模型;(2)本方法在参数估计和技术效率的估计两方面均表现较好;(3)若真实模型为空间零无效率随机前沿模型但误用了空间随机前沿模型,参数估计和技术效率的估计两方面均表现较差。空间零无效率随机前沿模型有其存在的必要性。     

异质性空间随机前沿模型的参数估计及应用

经典的随机前沿模型忽略了决策单元之间的空间关联性，无法准确估计效率影响因素相关参数，限制了其适用范围。本文在空间自回归随机前沿模型的基础上，引入效率影响因素，构建出一个异质性空间随机前沿模型，基于极大似然估计法给出模型参数的单步估计策略，提出决策单元技术效率的最优预测量。理论分析证明，模型参数在一定的假设条件下具备一致性；模拟实验表明，参数估计量和技术效率预测量较之经典模型具有更高的估计精度，且会随着样本量的扩大而逐渐提升。本文使用所提出理论方法讨论了我国城市数字普惠金融发展与技术效率水平之间的相关关系，发现两者之间存在显著的正相关关系，同时也印证了模型设定和估计方法的可靠性。     

基于SFA的我国企业集团财务公司成本效率评价

文章运用随机前沿分析(SFA)方法对我国企业集团财务公司成本效率进行了评价研究。结果表明:随机前沿模型适用于进行财务公司成本效率的测算,利用SFA模型进行财务公司成本效率测度更能反映实际情况。     

随机系数的随机前沿面模型基于MLE的估计

随机前沿面模型是测定生产单元生产技术有效性的一个很有效的工具.一般的随机前沿模型方法都假定所有的生产单元面临相同的生产可能性,这样它们就都共有一个生产前沿.而实际中,各个生产单元由于种种原因可能采用不同的生产技术、设备工艺等,将面临不同的生产前沿,那么一般的前沿面模型将不再使用.     

地理加权随机前沿模型及其估计

为了刻画生产单元之间的空间效应，文章提出了一类地理加权随机前沿模型。基于局部加权最小二乘方法和似然方法给出了模型的估计，并讨论了各生产单元技术效率的估计问题。     

平滑转移空间随机前沿模型的贝叶斯估计

经济数据常存在空间相关性,忽略空间相关性会引发内生性问题,导致相应估计量有偏且不一致。空间随机前沿模型在随机前沿模型的基础上考虑了生产单元的空间相关性,更利于效率测算。然而现有空间随机前沿模型的生产函数形式单一,适用性较差,实证分析存在局限性。文章在空间随机前沿模型中引入平滑转移效应,构建了平滑转移空间随机前沿模型,该模型同时考虑了空间相关性和个体异质性,适用性较佳。为丰富估计方法,同时采用极大似然方法和贝叶斯方法估计模型,其中极大似然估计的核心在于推导对数似然函数、对数似然函数的最优化以及使用JLMS法估计技术效率,贝叶斯估计的核心在于推导未知参数的后验分布及执行MCMC抽样。数值模拟结果显示：（1）极大似然估计和贝叶斯估计的估计精度均较高,其中贝叶斯估计的估计精度略高于极大似然估计;增加样本容量,贝叶斯估计和极大似然估计的估计精度更高。（2）若忽略空间效应或者平滑转移效应,则估计精度较低。     

内生性随机前沿模型估计方法研究：无需工具变量的Copula方法

内生性是常见的计量问题，忽略内生性会导致估计量有偏且不一致。现有部分文献研究了内生性随机前沿模型的估计，但实现的前提是能够为内生性自变量寻找到合适的工具变量，而实际情况下合适的工具变量通常不容易获取。本文研究了在难以找到合适的工具变量的情况下内生性随机前沿模型的估计问题：结合Copula方法和极大模拟似然方法估计参数。此外，本文还构造了技术无效率的新的点估计，该点估计额外利用了内生自变量的信息，通常比JLMS法对应的点估计更有效。数值模拟表明，相比于已有研究，本文提出的方法估计精度更高。     

空间门限随机前沿模型的构建与估计

基于空间计量视角拓展门限随机前沿模型,从技术效率时变和非时变两个层面分别构建空间门限随机前沿模型。模型同时考虑了生产单元的异质性和空间相关性,适用性较佳。分别使用两阶段最小二乘法和极大似然方法估计非时变和时变层面下的参数,使用JLMS法估计效率。蒙特卡罗结果表明:此方法的估计精度较高。随着样本容量的增加,估计精度增加;忽略空间效应或者门限效应,估计精度较低。     

双重滞后随机前沿模型技术效率的估计

首次在随机前沿模型中同时引入因变量间(或双边误差间)和技术效率间的空间相关性并构造了双重滞后随机前沿模型,使用极大似然估计方法和JLMS方法得出参数和技术效率的估计。蒙特卡罗模拟表明:忽略技术效率的空间相关性,参数估计和技术效率的估计均表现欠佳。本研究能以较高的精度估计参数和技术效率。随着样本容量的增加,估计效果更优。     

基于公因子提取法的CAPM修正模型

大量实证质疑CAPM的定价准确性,这是因为CAPM是建立在投资组合有效前沿基础上的,而实际上这样的有效前沿是不存在的。这说明,CAPM模型是一种理想状态的模型,为此,应用公因子提取的方法来修正CAPM。同时,从沪市随机选取22支股票进行了实证,结果表明,CAPM修正模型较CAPM具有更准确的定价能力。     

动态面板空间随机前沿模型的参数估计及应用

生产效率一般会受到空间相关性和时间滞后效应的影响,不易准确测算。本文考虑时空双重滞后特征,提出一种动态面板数据空间随机前沿模型,针对模型的内生性问题,借鉴已有的估计方法,本文提出一种广义矩估计方法（Generalized Method of Moments,GMM）,并证明了参数估计的一致性。在应用分析中,利用本文所提出的理论模型实证分析了我国战略性新兴产业发展的效率,该理论模型能够客观、科学地测算技术效率,实证结论验证了理论模型的应用效果。     

真实固定效应空间随机前沿模型的贝叶斯估计

忽略个体效应和空间效应会严重干扰效率测算,其中忽略个体效应使得技术无效率项发生偏移,忽略空间相关性导致估计量有偏且不一致。本文基于真实固定效应随机前沿模型（引入了个体效应）,引入因变量和双边误差项的空间滞后项,构建了适用性更佳的真实固定效应空间随机前沿模型。对模型进行组内变化以消除额外参数,使用贝叶斯方法（需推导未知参数的后验分布并执行MCMC抽样）估计参数和技术效率。该方法真正克服了额外参数问题,比同类方法直观、简便。数值模拟结果表明,本文方法对参数、个体截距项及技术无效率项的估计精度均较高,且增加样本容量,估计精度变优。     

Stochastic metafrontiers

ABSTRACT

We consider the case of production units arranged into a number of groups. All units within a group choose output–input combinations from the same production possibilities set that is represented by a stochastic frontier model. The metafrontier is the envelope of the group-specific frontiers. We are interested in the metafrontier distance, which is the amount by which the group-specific frontier lies below the metafrontier.

Previous work has measured the metafrontier distance using the deterministic portion of the frontier. In a stochastic frontier model, this is not appropriate. We show how to evaluate the metafrontier distance, and we demonstrate the empirical relevance of this issue.     

Test for randomness of the technology parameter in a stochastic frontier regression model

This paper considers the problem of testing for randomness of the technology parameter in a stochastic frontier regression model. A test statistic is proposed and its asymptotic distribution theory is discussed. Simulation results show that the proposed test maintains its level and also quite powerful against various alternatives. An empirical investigation has been carried out by applying the suggested test procedure to the data set on electric utility companies. The results are consistent with the general finding that the technology parameter of the stochastic frontier model used for modeling these data is random.     

企业技术效率的影响分析

 本文以上海市166家大中型企业五年的面板数据为研究对象,设定两种不同的生产函数和两种误差分布,利用随机前沿方法分别进行了技术效率的估计。我们发现不同测算方法的结果差异不大,且对企业的评价具有一致性。结果表明上海市工业企业的技术效率整体水平不高。通过研究影响企业技术效率的外生性因素,发现企业的所有制结构、规模、R&D经费支出与R&D人员投入、资本密集程度和企业的垄断程度等因素都对上海市工业企业的技术效率水平具有显著影响。基于研究结果,我们给出了提高企业技术效率的一些建议。     

Semiparametric Estimation of Stochastic Production Frontier Models

This article extends the linear stochastic frontier model proposed by Aigner, Lovell, and Schmidt to a semiparametric frontier model in which the functional form of the production frontier is unspecified and the distributions of the composite error terms are of known form. Pseudolikelihood estimators of the parameters characterizing the two error terms of the model are constructed based on kernel estimation of the conditional mean function. The Monte Carlo results show that the proposed estimators perform well in finite samples. An empirical application is presented. Extensions to a partially linear frontier function and to more flexible one-sided error distributions than the half-normal are discussed     

The “wrong skewness” problem in stochastic frontier models: A new approach

Stochastic frontier models are widely used to measure, e.g., technical efficiencies of firms. The classical stochastic frontier model often suffers from the empirical artefact that the residuals of the production function may have a positive skewness, whereas a negative one is expected under the model, which leads to estimated full efficiencies of all firms. We propose a new approach to the problem by generalizing the distribution used for the inefficiency variable. This generalized stochastic frontier model allows the sample data to have the wrong skewness while estimating well-defined and nondegenerate efficiency measures. We discuss the statistical properties of the model, and we discuss a test for the symmetry of the error term (no inefficiency). We provide a simulation study to show that our model delivers estimators of efficiency with smaller bias than those of the classical model even if the population skewness has the correct sign. Finally, we apply the model to data of the U.S. textile industry for 1958–2005 and show that for a number of years our model suggests technical efficiencies well below the frontier while the classical one estimates no inefficiency in those years.