Regression model

随机前沿分析 (SFA)

随机前沿分析是由 Aigner、Lovell 和 Schmidt 于 1977 年提出的一种前沿回归模型，它在估计生产、成本或利润函数时，能将每个单元的技术无效率与普通统计噪声分离开来。它将误差项分解为对称随机分量和单边无效率分量，从而得出企业或国家层面的效率得分。

用 EconMind 应用即将推出视频即将推出下载幻灯片

阅读完整方法

仅限会员

使用免费账户登录即可阅读本节。

方法图谱

相关方法的邻域——选择一个节点以展开探索。

随机前沿分析 (SFA)

普通最小二乘法 (OLS) 回归面板数据固定效应模型分位数回归

来源

Aigner, D., Lovell, C.A.K. & Schmidt, P. (1977). Formulation and Estimation of Stochastic Frontier Production Function Models. Journal of Econometrics, 6(1), 21–37. DOI: 10.1016/0304-4076(77)90052-5 ↗
Battese, G.E. & Coelli, T.J. (1995). A Model for Technical Inefficiency Effects in a Stochastic Frontier Production Function for Panel Data. Empirical Economics, 20(2), 325–332. DOI: 10.1007/BF01205442 ↗

如何引用本页

ScholarGate. (2026, June 1). Stochastic Frontier Production Function Analysis. ScholarGate. https://scholargate.app/zh/econometrics/stochastic-frontier

选用哪种方法？

将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。

并排比较 →

发现本页有问题？报告或提出修改建议 →