随机多投入多产出前沿面的非参数估计方法与应用研究

Data envelopment analysis (DEA) and stochastic frontier analysis (SFA) are two main methodologies for the area of productivity evaluation. DEA is a non-parametric method without any pre assumptions for frontier function form and distribution of efficiencies, while its main shortcoming is non-statistics nature.SFA considers the effect of stochastic factors on frontier, while it need a pre-specified function form and cannot estimate the frontier for datasets with multi-inputs and multi-outputs. The research work of this project plans to do is to propose a novel StoNED-based non-parametric estimation method stochastic multi-inputs and multi-outputs frontiers. This method will include the advantages of both DEA and SFA, and fill up of the shortcomings of them. The main contents of this project will include: 1) propose a distance function-based non-parametric method for estimating stochastic multi-inputs and multi-outputs frontiers; 2) propose a non-parametric estimation method that regard a input or output as the dependant variable; 3) propose a non-parametric estimation method that considers the contextual variables; 4) apply the proposed methods to virtual brand community performance evaluation based on the perspective of consumers.

数据包络分析（DEA）和随机前沿面分析（SFA）是当前生产率估计领域的两种主流方法。DEA是一种不需要对前沿面函数形式和效率分布作任何假设的非参数方法，它的数据导向特性有助于决策者便捷地得到效率分析结果，其主要缺点则是缺乏统计特性。SFA考虑了随机因素对前沿面的影响，然而其需要预先假设特定的函数形式，并且不可估计多投入多产出样本数据的前沿面。本项目拟展开的随机多投入多产出前沿面的非参数估计方法与应用研究旨在弥补DEA和SFA的不足，在随机非参数数据包络（StoNED）的基础上提出新的兼具两者优势的估计方法。研究主要内容包括：1）提出基于方向距离函数的非参数多投入多产出前沿面估计方法；2）提出以某个投入或产出为因变量的估计方法；3）提出考虑环境变量的估计方法；4）上述方法在消费者视角下的虚拟社区运作效率以及消费者异质性对效率的影响估计中的应用。

在现实的社会和经济运作系统，决策者所观测到的样本数据通常具有两个特性：数据是在随机环境下产生的以及决策单元的表现需由多个指标综合评价。现有的生产力和效率分析方法难以满足决策者估计随机多投入多产出样本数据生产前沿面的现实需求。本项目开展的研究旨在结合数据包络分析（Data Envelopment Analysis, DEA）和随机前沿面分析（Stochastic Frontier Analysis, SFA）的优势，在随机非参数数据包络（Stochastic Non-parametric Envelopment of Data, StoNED）的基础上提出新的随机多投入多产出前沿面的非参数估计方法并将其应用到虚拟社区的运作效率估计。具体研究内容包括：提出基于方向距离函数的非参数多投入多产出前沿面估计方法；提出以某个投入或产出为因变量的估计方法；提出考虑环境变量的估计方法；上述方法在消费者视角下的虚拟社区运作效率以及消费者异质性对效率的影响估计中的应用。经过三年的研究工作，项目组主要取得了6个研究进展。具体包括：a. 提出以某个投入或产出为因变量的随机多投入多产出生产前沿面估计方法；b. 将前沿面估计方法应用到虚拟品牌社区消费者参与表现的评估，并估计消费者异质性对其参与表现的影响。c. 提出整合的DEA方法来度量技术、环境和生态效率。d. 提出一种三重串行网络结构数据包络分析方法，并将其应用到中国内陆交通的可持续性评估。e. 提出一种random-keys基因算法来解决容量不同、任意作业大小的不相关平行批处理机器调度问题。f. 提出乘积式模型估计两阶段系统的潜在并购获益，并将其应用到中国银行业的潜在整合评估。