多元分布随机前沿模型

随机前沿（SF）分析的主要目标是将估计的复合误差项分解为噪声与无效率。假设参数化生产函数（如 Cobb-Douglas、Translog 等）可能导致错误的无效率估计。为克服这一限制性假设，可利用 P-splines 对生产函数建模。这一强大而灵活的工具的应用使得对广泛生产函数的建模成为可能。此外，可允许复合误差分布的参数以函数形式依赖于协变量。该 SF 模型随后可被纳入位置、尺度与形状广义可加模型（GAMLSS）框架。进而，一个决策单元（DMU）通常生产多种产出。其通过运行若干子 DMU 实现，各子 DMU 采用一个生产过程生产单一产出。因此，子 DMU 的生产过程通常并不独立。相应地，无效率也可能具有依赖性。本文引入分布随机前沿模型（DSFM）。复合误差项的多元分布使用 copula 建模。所提模型因此是 Lai 与 Huang（2013）表面无关随机前沿回归模型的推广。