【摘要】:SFA通过对数据的随机性假设,利用计量方法估计前沿生产函数,并且能判断模型拟合质量以及进行统计检验。朱有为、徐康宁测度了我国高技术产业的技术创新效率,同时检验了企业规模和市场结构因素对技术创新效率的影响。DEA在国内运用较多,如许治、师萍测度了我国1985—2003年科技投入的相对效率。这两种测度方法各有特点,但DEA由于设定了确定边界,并且不考虑测量误差的存在,而SFA在测量误差和统计干扰处理上具有优势。
当前,参数法和非参数法是度量技术创新效率的主要手段。随机前沿分析(Stochastic Frontier Approach,SFA)是参数法的主要分析工具,于1977年分别由Aigner团队和Meeuser团队各自独立提出。SFA通过对数据的随机性假设,利用计量方法估计前沿生产函数,并且能判断模型拟合质量以及进行统计检验。国内不少学者应用此方法进行了相关研究,如冯根福、刘军虎等(2006)利用SFA对我国工业部门研发效率进行了测量,并检验了其影响因素。朱有为、徐康宁(2006)测度了我国高技术产业的技术创新效率,同时检验了企业规模和市场结构因素对技术创新效率的影响。
由Charnes等于1978年提出的采用数学规划方法计算投入产出效率的数据包络分析(Data Envelopment Analysis,DEA)是非参数方法的代表。DEA在国内运用较多,如许治、师萍(2005)测度了我国1985—2003年科技投入的相对效率。赵树宽、余海晴(2013)利用实地调研获取的数据,对吉林省151家高技术企业创新活动的效率、有效性、规模收益进行了评价,并进行了投影分析。(www.daowen.com)
这两种测度方法各有特点,但DEA由于设定了确定边界,并且不考虑测量误差的存在,而SFA在测量误差和统计干扰处理上具有优势。因此,本书选用此种测度方法。
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。
有关政府补贴的创新绩效研究的文章