论文部分内容阅读
随机前沿模型常用于测定单个或多个生产单元的生产效率，通过对生产效率的分析，可找出生产行为中存在的问题并进行改进，具有较强的实际意义. 随机前沿模型中如果忽略无效率项的异质性(heterogeneity)会导致错误的效率估计.本文从个体特征的影响和方差的时变性两方面对单边干扰项进行考虑，提出异方差动态随机前沿模型，无效率项与公司特征有关且方差随时间变化.利用Gibbs抽样对动态异方差随机前沿模型进行贝叶斯推断，确定了待估参数的先验分布，导出了参数的后验分布，并讨论了模型的具体抽样方法.在最小后验均方误差准则下对中小样本进行模拟实验，结果显示参数估计值与真值非常接近.最后将模型应用于电力改革和港航上市公司的效率分析. 对电力改革的实际数据进行分析显示对数无效率项的方差有一定的时变性，且无效率项受用户密度的影响.对国内港航上市公司的运行效率分析，得出对数无效率项方差对前一时刻的方差和扰动平方项有较大的依赖性. 对于无效率中的参数，其后验分布不是标准分布，且常用的随机游走抽样和Griddy-Gibbs抽样方法在该分层随机前沿模型中的舍选效率非常低.利用近似GARCH模型方法，将条件方差方程构造成新的ARMA方程，得到参数的建议分布，最后通过Metropolis-Hastings抽样实现对参数抽样，大大提高了模型的抽样效率.