与DEA方法相比,SFA方法利用生产函数来构造生产前沿面,并采用技术无效率项的条件期望来作为技术效率,其结果受特殊点的影响较小且不会出现效率值相同且为1的情况,可靠性、可比性更好。SFA方法也有一些缺点,如处理多产出的情况时不如DEA方法方便,需要将多产...
其实严格来说,在DEA中,(技术)效率指的就是现实中的某厂商的生产率跟处于生产边界上的厂商的生产率之比值。生产边界是通过数学规划(一般是线性规划)的手段来寻找,用DEA可解出处在生产边界上的厂商,其技术效率值即为1,其他厂商都跟它去比。 而SFA则是一种参数方法,需要设定生产函数的函数形式,并利用一种特别的...
与DEA方法相比,SFA方法利用生产函数来构造生产前沿面,并采用技术无效率项的条件期望来作为技术效率,其结果受特殊点的影响较小且不会出现效率值相同且为1的情况,可靠性、可比性更好。SFA方法也有一些缺点,如处理多产出的情况时不如DEA方法方便,需要将多产出合并成一个综合产出;而投入指标过多时,由于指标间的相关关...
在选择数据包络分析(DEA)和随机前沿函数(SFA)这两种方法时,可以根据以下几个方面进行考虑: 1. 研究目的和问题:首先需要明确研究的目的和问题是什么。如果你的研究目标是度量生产单位的相对效率和有效性,那么DEA方法可能更适合。如果你的研究目标是理解技术非效率和随机误差项对生产单位的影响,那么SFA方法可能更适合。
(SFA与DEA构造生产前沿的方法不同。SFA的基本思想是利用生产函数和随机扰动项构造出随机生产前沿,而DEA是根据个决策单元的投入产出数据,选出一个或几个决策单元作为技术有效点,进而构造出生产前沿。) SFA优点 考虑了随机因素对于产出的影响,它实质上将实际产出分为生产函数、随机因素和技术无效率三部分。
SFA的基本思想是利用生产函数和随机扰动项构造出随机生产前沿,而DEA是根据个决策单元的投入产出数据,选出一个或几个决策单元作为技术有效点,进而构造出生产前沿。对于面板数据,SFA是根据所有周期的数据仅构造出一个统一的生产前沿,而DEA是每个周期各构造一个生产前沿。SFA是通过极大似然法估计出各个参数值,然后用技术...
前沿分析方法根据是否已知生产函数的具体的形式分为参数方法和非参数方法,前者以随机前沿分析(StochasticFrontierAnalysis,下文简称SFA)为代表,后者以数据包络分析(DataEnvelopeAnalysis,下文简称DEA)为代表。 目前,我国学者已将这两种方法广泛应用于各个领域,但在使用过程中也存在一些问题,尤其对于SFA。而SFA与DEA各有其...
前沿分析方法根据是否已知生产函数的具体的形式分为参数方法和非参数方法,前者以随机前沿分析(StochasticFrontierAnalysis,下文简称SFA)为代表,后者以数据包络分析(DataEnvelopeAnalysis,下文简称DEA)为代表。 目前,我国学者已将这两种方法广泛应用于各个领域,但在使用过程中也存在一些问题,尤其对于SFA。而SFA与DEA各有其...
本文在R软件中实现SFA、DEA与自由处置包分析FDH模型。 用R进行模拟 1.按照p=0.2的二项分布,随机生成一个大小为100的向量。 > x plot(table(x), main = "frequency") 其他分布。泊松P(λ)(函数rpois)等。 2.数字变量 按照高斯分布N(μ=1,σ=1)随机生成一个大小为100的向量。
SFA的基本思想是利用生产函数和随机扰动项构造出随机生产前沿,而DEA是根据个决策单元的投入产出数据,选出一个或几个决策单元作为技术有效点,进而构造出生产前沿。对于面板数据,SFA是根据所有周期的数据仅构造出一个统一的生产前沿,而DEA是每个周期各构造一个生产前沿。SFA是通过极大似然法估计出各个参数值,然后用技术...