dea是非参数化方法,SFA是参数化方法。
对参数方法而言,求生产前沿面及是求前沿生产函数.20世纪70年代初,西方经济学界就开始了参数前沿生产函数的研究工作.在Farrell生产前沿面原始模型基础上,参数型前沿生产函数的发展形成了2个分支,一类是在不考虑随机因素影响的前提下采用线性规划方法求解生产前沿面的确定性参数生产函数方法,另一类把生产前沿面看作是随机的生产边界而采用统计学方法求解参数的随机性参数前沿生产函数方法.这里我们首先研究确定性参数前沿生产函数.
继Farrell之后,Aigner和Chu(1968) J、Seit(1971)、Fo~und和Jansen(1977)等人对Farrell以数学规划求解的生产前沿面模型的不足之处进行了改进,在1977年几乎同时提出了随机前沿面模型(Stochastic Frontier Analysis)。
参数方法的特点是通过确定前沿生产函数的参数来确定生产前沿面,针对不同研究对象所确定的生产函数也各不相同,技术效率的测度具有一定的针对性,而非参数方法只需通过求解线性规划来确定生产前沿面,方法简单易行,应用广泛。
参数方法依赖于生产函数的选择,常用的生产函数有Cobb-Douglas生产函数、Translog生产函数等。参数方法的发展经历了两个阶段:确定型前沿模型和随机型前沿模型。Aigner等Afriat[11]分别提出了各自的确定型前沿模型,在不考虑随机因素影响的情况下求解前沿生产函数。但是,由于确定型前沿模型把所有可能产生影响的随机因素都作为技术无效率来进行测定,这使得其技术效率测定结果与实际的效率水平有一定的偏差。为了消除确定型前沿模型的这一缺陷,Meeusen和Vanden Broeck,Aigner、Lovell和Schmidt和Battese和Corra[8]提出了随机前沿模型(即SFA方法),对模型中的误差项进行了区分,提高了技术效率测定的精确性