第三章 分析模型
第一節 理論架構
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第三章 分析模型
第一節 理論架構
一、 隨機邊界法
(一) 基本模型
考慮一傳統縱橫資料計量經濟模型:
( ; )
vitit it
y = f x
βe
(3-1)其中,i=1,2,…,N,t=1,2,…,T,y 為可觀察應變數,it f
( )
通常是生產函數、成本函 數或利潤函數,它是一個確定邊界(deterministic frontier),x 代表自變數,it β 為待 估參數向量,亦稱為技術參數,e 代表自然指數,v 為隨機干擾項,可利用普通最it 小平方法(ordinary least square,OLS),即可估計出參數向量β 。在 單 一 投 入 與 單 一 產 出 生 產 函 數 的 假 設 下 , 要 求
df x ( ) dx > 0
以 及( )
2 2
0
d f x dx < 1,建構出之生產函數邊界為「在該技術狀態下,不同投入數量所得 之最大生產量」。但是,在生產過程中若發生管理無效率(managerial inefficiency), 導致實際生產量低於邊界產量,(3-1)式無法解釋此現象。可從(3-1)式減去一非 負隨機變數u ,以反映這種生產無效率,即 it
1 嚴格而言,生產函數必須滿足四個性質:(1)非負性:f(x)為有限、非負之實數(2)弱必要性:
產出至少必須利用一個投入要素(3)x 為非遞減(單調性):投入增加則產出必增加(4)凹向
(concave)x:產出隨投入以遞減速率增加。參見 Coelli、Rao、O’Donnell 與
Battese(2005)12-‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
( ; )
vit uitit it
y = f x
βe
− (3-2)(3-2)式即為隨機邊界生產模型,隨機干擾項v 與非負隨機項it u 在文獻上合稱組it 合誤差(composed error),通常假設兩者相互獨立,如圖 3-1 所示。
資料來源:本研究建構。
圖 3-1 隨機生產邊界
另外一個研究上常用的模型為成本函數(cost function),將迴歸模型(3-1)式 加入一非負干擾項u 並改寫為 it
( ; )
vit uitit it
y = f x
βe
+ (3-3)即為隨機成本邊界模型。其經濟意義為所觀察到的實際成本值均落於成本邊界函
0
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
數
f x (
it;
β 上方,換言之,實際成本為最低的成本) f x (
it;
β 再加上一干擾項)
u ,如it 圖 3-2 所示。資料來源:本研究建構。
圖 3-2 隨機成本邊界
上述模型之估計,實證上會採用無分配法(distribution-free approach)與最大 概似估計法(maximum likelihood estimation),兩者之差異,僅在對於無效率項uit 是否給予機率分配假設。常用的無分配法有修正的普通最小平方法(corrected ordinary least square,COLS)、修正的平均絕對離差(corrected mean absolute deviation,
CMAD)以及 Berger 與 Humphrey(1991)的厚邊界法(thick frontier approach,
TFA)等。
在最大概似估計法中,常用的無效率項分配假設有半常態分配、截斷常態分配、
0
‧
指數分配以及伽瑪分配(gamma distribution)等。
技術效率(technical efficiency,TE)的估計為利用隨機邊界法重要之結果,可
2 參見 Kumbhakar、Wang 與 Horncastle(2015)Appendix B。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
Stevenson(1980)提出截斷常態分配隨機邊界模型,為允許無效率項u 之分it 配具有非零的平均數,即
( )
. . .
, 2 i i d
it u
u N+ µ σ (3-6)
其中,
N
+(
µ σ,
u2)
為平均數µ 與變異數σ 之常態分配,並於 0 及以下部分截斷,即u2 僅容許uit ≥ 。值得注意的是,若令0 µ= 0
,則該分配將變為半常態分配。截斷常 態分配在不同參數下之關係如圖 3-3 所示。資料來源:本研究建構。
圖 3-3 截斷常態分配機率密度函數圖
‧
態分配,並假設無效率項之平均數µ 為外生變數(exogenous variables)的線性函it 數,即3 參見 Kumbhakar、Wang 與 Horncastle(2015)Appendix A。
‧
二、 共同邊界模型(meta-frontier model)
Hayami(1969)以及 Hayami 與 Ruttan(1970,1971)首次提出共同生產函數
(metaproduction function),其概念在於不同群組中的生產者,但由於某些因素的 限制(如:法規、環境、生產資源、相對投入價格等),只能採用該群組的生產技 術進行生產,而無法採用最佳生產技術--共同生產邊界,群組生產邊界與共同生 產邊界之差距,稱為技術缺口(technology gap),由 Battese 與 Rao(2002)以及 Battese 、Rao 與 O’Donnell(2004)提出,透過群組技術效率與技術缺口比率
(technology gap ratio,TGR)的估計,獲得共同邊界技術效率(metafrontier technical efficiency,MTE)估計值,進而可以從事不同群組廠商生產效率之比較。
‧
‧
資料來源:Huang、Huang 與 Liu(2014)。
圖 3-4 共同邊界生產模型
整體而言,要找出共同生產邊界,其前置作業是要估計出各生產群組的生產邊 界,才能據以估計出 TGR 與 MTE。Battese、Rao 與 O’Donnell(2004)以及 O’Donnell、
Rao 與 Battese(2008)建議採用混合式兩階段估計法,第一階段針對每個群組,運 用隨機邊界法分別估計各群組特定生產邊界,第二階段將所有群組資料合併,改用
其中,「min」表極小化(minimize),「s.t.」表受限於(subject to)。式中採用估計
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
的群組邊界
ln f ˆ
tj( x
jit;
β 來代替真實的群組邊界,此外函數皆已取自然對數。為節)
省篇幅,不列出極小化共同生產邊界與群組特定邊界平方和模型,有興趣的讀者請 參考 Battese、Rao 與 O’Donnell(2004)以及 O’Donnell、Rao 與 Battese(2008)。
採用數理規劃法所得之共同生產函數有存在三個缺點,第一、因其第二階段採 用數理規劃法,故所得之係數估計值不具有統計性質,雖然 Battese、Rao 與 O’Donnell(2004)提出以模擬(simulation)或拔靴法(bootstrap)得到係數估計值 的標準差,其統計性質仍然未知,無法進行顯著性檢定與區間推定。第二、數理規 劃法無法將隨機干擾項納入模型,找到的生產邊界屬於確定性邊界,故其估計結果 易受隨機因素影響。第三、不同群組廠商面臨不同的經營環境,數理規劃法無法考 慮外生環境因素對廠商生產效率的影響,處在優良環境與不良環境下的廠商一視 同仁,導致其估計結果不能正確反映各廠商的經營績效。
為了改善前述混合法之缺陷,Huang、Huang 與 Liu(2014)提出新的方法估 計共同生產邊界,主要差別在第二階段不採用數理規劃法,仍使用隨機邊界法估計 隨機共同生產邊界,上述混合法之缺點全部解決。
已知群組隨機邊界與共同邊界之關係為
( ) ( )
ln f
tjx
jit;
β= ln f
tMx
jit;
β− u
Mjit (3-16)因為群組隨機邊界未知,當我們估計第一階段的群組隨機邊界後,兩者之差異可表 為
( ) ( )
ˆ ˆ
ln f
tjx
jit;
β− ln f
tjx
jit;
β=
εjit−
εjit≡ v
Mjit (3-17)將(3-17)式代入(3-16)式,得到
( ) ( )
ln f ˆ
tjx
jit;
β= ln f
tMx
jit;
β+ v
Mjit− u
Mjit (3-18)‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
上式左方應變數為群組邊界估計值,
ln f
tM( x
jit;
β 為共同邊界函數,)
vMjit−uMjit構成 組合誤差項,故(3-18)式成為第二階段共同隨機邊界迴歸式,可利用最大概似法 估計之。因為v 含有估計群組邊界的殘差Mjit ε ,故僅可假設
ˆ
jit v 服從平均數為 0 之漸進Mjit 常態分配,其變異數不是常數,故不具有相同分配。另外,利用該法所得之估計式 又稱準最大概似(quasi-maximum-likelihood,QML)估計式,但所得之標準誤應以 White(1982)提出的「三明治」(sandwich-form)估計式估計,否則會得到有偏誤 的標準誤4。簡 而 言 之 , 兩 階 段 隨 機 邊 界 法 是 利 用 第 一 階 段 群 組 隨 機 邊 界 估 計 值