随机边界模型- Stochastic- Frontier- Models课件.pptVIP

随机边界模型Stochastic Frontier Models 连玉君 中山大学 岭南学院 arlionn@163.com 2013年12月9日 New Course: /Default.aspx?id=93 提纲 SFA 简介 截面SFA模型 面板SFA模型 双边SFA模型 I. SFA 简介 SFA 的模型设定思想 SFA 图示 y1 Source: Porcelli(2009) 实证分析中的模型设定 Q: 两个干扰项如何处理？ Note: 假设 v, u 不相关，且二者与 x 也不相关 正态分布和半正态分布的密度函数图 指数分布的密度函数图 半正态分布和指数分布对比 效率的估计 Jondrow, Lovell, Materov and Schmidt (1982)，JLMS82 Battese and Coelli (1988)，BC88 Review: linear FE v.s. RE) FE (Fixed Effect Model) RE (Random Effect Model) Pooled OLS II. 面板随机边界模型Panel SFA 可能的通用模型： ai : 公司个体效应, N -1 个公司虚拟变量; ?i : 不随时间变化的常规干扰项; vit : 随时间变化的常规干扰项; ?+i : 不随时间变化的无效率项 (persistent component) u+it : 随时间变化的无效率项 (transient component) II. 面板随机边界模型Panel SFA Panel SFA: Pooled SFA model Pitt and Lee (1981), PL81 Panel SFA:随机效应模型 (RE-SFA)效率不随时间变化 Schmidt and Sickles (1984), SS84 TE的估计 Panel SFA:固定效应模型 (FE-SFA) 效率不随时间变化 Cornwell, Schmidt and Sickles (1990), CSS90 Lee and Schmidt (1993), LS93 Panel SFA: 效率时变模型 Battese and Coelli(1992), BC92, 应用非常广泛 Panel SFA: 效率时变模型 Greene难题 (Greene Problem) True-Model: Estimate-Model: Implications: TE 的估计值将是有偏的 把那些个体异质性(公司文化, CEO特征等)影响产出的因素都归为“无效率项”了 Panel SFA: True FE SFA Greene(2005), TFE 估计方法: 蛮力法 (brute force approach) 直接估 N 个公司虚拟变量和 k 个 ? 参数即可 需要采用一些特殊的数值计算技巧 Panel SFA: True FE SFA Greene(2005), TRE 估计方法: MLE 相对于传统的线性 RE 模型，只是增加了一个参数而已 Panel SFA: True RE SFA Tsionas and Kumbhakar (2013), G-TRE 对比: TRE Panel SFA: Generalized TRE SFA Wang and Ho (2010), Scaling-TFE git：scaling function, 是公司特征变量(zit)的函数 git：可以使非效率具有异质性； git：缩放性质使得我们可以用FD或组内去心去除个体效应 ?i Panel SFA: Scaling-TFE SFA Ahn and Sickles (2000), Dynamic-SFA ?i ：用于衡量第 i 家公司对非效率项的调整能力(speed) ?i 越大，表明公司克服其非效率行为的能力越强 Panel SFA: dynamic SFA 异质性 SFA: Heterogeneous SFA 基本思想 模型设定思想 异方差的设定(不确定性) 均值的设定(无效率水平) 异质性 SFA: Heterogeneous SFA 基本思想 双边随机边界模型: two-tier SFA 模型设定 效率的估计 双边随机边界模型: two-tier SFA