随机前沿分析(SFA)

所属分类：计量经济模型

这个方法是做什么的

别的回归拟合的是“平均水平”，随机前沿拟合的是“最好水平”，并回答每个单位离这条边界还差多远。做法是把残差拆成两截：对称的随机扰动 v（运气、测量误差）和单边的无效率成分 u（只会让你离前沿更远，不会更近）。生产前沿下复合误差 ε=v−u，成本前沿下 ε=v+u，前沿类型由控件在“生产前沿(产出最大化)”与“成本前沿(成本最小化)”之间选择，默认生产前沿。函数形式固定为 Cobb-Douglas 双对数：产出/成本与全部投入都取自然对数，因此系数直接就是弹性，弹性之和就是规模报酬。估计用 ALS(1977) 半正态设定的极大似然。

这份报告的第一落点不是平均效率，而是“该不该用前沿模型”的两条证据：卡① 的 Coelli(1995) 偏度检验看最小二乘残差是否朝无效率的方向偏（生产前沿要求负偏、成本前沿要求正偏），卡② 的单边似然比检验针对 H0:σu²=0——因为参数落在边界，临界值取 0.5χ²₀+0.5χ²₁ 混合分布（5% 约 2.706），不是 χ²₁ 的 3.841。卡④ 给方差分解 σu、σv、λ=σu/σv、γ=σu²/σ²、规模报酬的 Wald 检验，以及逐单元的 Jondrow(1982) 条件均值效率 TE=exp(−E[u|ε])。注意卡② 的系数表按表注声明不打星号，请自行按阈值判读。

需要准备什么数据

• 放入[定量]产出/成本 Y：1 个
• 放入[定量]投入 X：至少 1 个

数据要求

• 数据表至少 30 行。
• 单列缺失率不超过 20%。
• 不接受取值全都一样的列（零方差列没有可分析的变异）。

以上条目由系统从该方法的校验规则直接生成，与上传数据时的实际拦截规则一致。

什么时候用它

• 要给一批同类单位（医院、支行、农场、地市、工厂）排效率，同时承认观测里既有真实的低效、也有运气成分
• 除了效率，还想一并得到各投入的产出弹性与规模报酬结论
• 你要回答的是“离最优还差多少”，而不是“平均而言多投一单位产出增加多少”
• 数据是截面，单位数量充足，且各单位的投入产出口径可比

产出/成本与全部投入必须是正数值：模块内部取自然对数，含 0 或负值的行会被剔除并在报告中如实说明数量。有效样本量至少为“投入变量个数+1+3”，建议不少于 30——样本过小时 λ 与技术效率都不可靠。投入取对数后不得完全共线。

什么时候不要用它

• 不愿设定函数形式，想要非参数的效率前沿：用「数据包络分析(DEA)」。它不假定 Cobb-Douglas，代价是不区分运气与无效率，把全部偏离都算成无效率。
• 数据是同一批单位的多期观测：本模块是截面随机前沿，卡⑤ 明写它无法区分持久性无效率与暂时性无效率。产品内可行的做法是分期各跑一次本模块、比较各期的效率水平与 γ，并在文中说明未使用面板前沿；若你要的只是弹性而不是效率，用能利用面板结构的「面板模型」。
• 投入或产出中有 0 或负值且该零值有实质含义（零产出、亏损）：双对数取不了对数，这些行会被剔除，剔除本身就会让样本有选择性。别指望换个模块能绕开——产品内另一个前沿模块「数据包络分析(DEA)」同样按正值定义，它的校验原话是“投入与产出的所有取值必须为正数”，并直接提示“如有 0 值请先做平移”。所以两个前沿模块只有同一条出路：先在数据处理里用“非负平移”把该列推到正区间，再在文中声明平移量——双对数下平移会改动弹性估计，此时效率排序比效率数值更经得起引用。
• 你要的本来就是平均关系而不是边界：用「线性回归 (最小二乘法)」；因变量偏态时先做「数据变换(Box-Cox/Yeo-Johnson)」。
• 只是想把多项指标合成一个综合得分来排名：那是评价问题不是前沿问题，用「优劣解距离法(TOPSIS)」或「熵值法」。
• 需要给每个单位的效率配一个置信区间，或检验效率差异是否显著：本模块的 TE 是 Jondrow 条件期望的点估计，卡⑤ 写明未给出区间（需 Horrace-Schmidt 区间），产品内也没有能补上这一步的前沿模块。退一步的做法是把卡④ 的逐单元 TE 另存成一列，按单位类别用「独立样本 Mann-Whitney U 检验」比较效率分布有无系统性高低——那检验的是组间差异，替代不了单个 TE 的精度。

容易误读的地方

• 所有单元的效率都是 1.0000，不是“人人完全有效”，而是前沿方向选反了或数据不支持。 实测把同一份演示数据的前沿类型从“生产前沿”切到“成本前沿”：λ 与 γ 直接掉到 0.000，平均效率、最低效率、最高效率全部变成 1.0000，单边 LR=0.000、p=1.0000，报告同时打出提示“OLS 残差偏度=-0.435，方向与所选成本前沿相反……请核对前沿类型或数据质量”。见到 TE 齐刷刷等于 1，第一件事是回卡① 核对偏度方向，而不是庆祝。
• γ 与单边 LR 决定 TE 值不值得读，平均效率本身不是结论。 γ=σu²/σ² 回答的是“复合误差里有多大比例是系统性无效率”。γ 接近 0 或 LR 不显著时，模块照样能算出一串 TE 数字，但那只是把随机噪声解释成了效率差异。演示数据 γ=0.8842、LR=6.538（p=0.0053），先过了这一关，后面的效率排序才有意义。
• 卡① 的偏度检验与卡② 的 LR 检验可能不一致，报告会如实说，不要只挑一个看。 演示数据里偏度检验 p=0.0518 刚好没到 0.05，而单边 LR p=0.0053 显著，卡② 因此写下“本次两项证据并不完全一致，解读时请以样本量与经济含义综合判断”。两者一个看最小二乘残差的形状、一个比前沿模型与最小二乘的似然，方向一致时结论才最稳。
• 效率的绝对水平依赖“无效率服从半正态”这个假定，能稳健引用的是排序而不是数值。 卡⑤ 的模型局限写明：若真实分布是截断正态或指数分布，TE 的绝对水平会有偏。所以“平均效率 0.8436、尚有 15.6% 提升空间”里的 15.6% 不适合当作可核算的产能缺口去做预算或考核指标，而单位之间谁高谁低通常更靠得住。
• 弹性之和是规模报酬，与技术效率是两回事，别混着讲。 演示数据 Σβ=0.7286，卡④ 给了 H0:Σβ=1 的 Wald 检验（z=-4.794，p<0.0001），判定规模报酬递减。“按比例扩大投入产出能否同比例增加”与“在现有投入下离最好水平差多少”是两个独立的问题：一家单位完全可能技术效率很高，同时处在规模报酬递减区间——前者说它把手里的资源用好了，后者说它不该再扩张。

报告里有什么

1. 输出结果一：数据概览与前提检验
2. 输出结果二：前沿回归系数（弹性）与无效率存在性检验
3. 输出结果三：技术效率 TE 分布与排序
4. 输出结果四：效应量与事后分析
5. 输出结果五：结论与学术表述