随机前沿模型被广泛用于预测生产效率,通过对生产行为无效性的根本原因及程度进行分析,并提出改进目标和措施,可以节约能源,减少浪费,因此对其研究很有现实意义.本文假设随机前沿模型的无效率项服从倒Gamma分布,利用Gibbs抽样方法对其参数进行贝叶斯推断.导出了模型参数的后验条件分布,讨论了Gibbs抽样的具体策略.对中小型样本进行了模拟实验,并对模型的参数进行了先验敏感性分析.对美国电力公司数据用Gibbs抽样关于正态倒Gamma随机前沿模型进行贝叶斯推断.国际集装箱年鉴上收集了一些国内港口的数据,用Gibbs抽样方法关于正态倒Gamma随机前沿模型进行贝叶斯推断,研究了国内港口的效率.模拟实验显示参数估计值十分逼近真值.先验敏感性分析显示参数分布的后验均值相对于先验分布而言较为稳健.对电力公司实际数据分析显示正态倒Gamma随机前沿模型在拟合真实数据中有无效率项占总方差比重大的优点.在讨论Gibbs抽样策略时,由于选常见标准分布的密度函数为控制函数的舍选抽样方法效率极低.因此本文构造了一个新的分布密度核作为舍选抽样时用于控制待抽样分布密度的函数,先用合成法来对所构造的新型分布进行抽样,再通过舍选抽样方法最终实现从待抽样分布中抽样.此方法大大提高了正态侄Gamma随机前沿模型贝叶斯统计推断的计算效率.