Abstract
When measuring productive efficiency, often it is necessary to have knowledge of the production frontier function that shows the maximum possible output of production units as a function of inputs. Canonical parametric forms of the frontier function were initially considered under the framework of stochastic frontier model; however, several additional nonparametric methods have been developed over the last decade. Efforts have been recently made to impose shape constraints such as monotonicity and concavity on the non-parametric estimation of the frontier function; however, most existing methods along that direction suffer from unnecessary non-smooth points of the frontier function. In this paper, we propose methods to estimate the smooth frontier function with monotonicity for stochastic frontier models and investigate the effect of imposing a monotonicity constraint into the estimation of the frontier function and the finite dimensional parameters of the model. Simulation studies suggest that imposing the constraint provide better performance to estimate the frontier function, especially when the sample size is small or moderate. However, no apparent gain was observed concerning the estimation of the parameters of the error distribution regardless of sample size.
생산성 평가를 위해서는 주어진 생산 자료를 기반으로 투입 대비 최대산출량을 나타내는 최대산출량을 나타내는 생산 프런티어 곡선에 대한 정보가 필요한 경우가 많다. 이러한 프런티어 함수를 확률프런티어 모형하에서 추정하는 경우에 초기에는 프런티어 함수의 특정한 모수적 형테를 가정하는 경우가 많았다. 그러나 최근에는 프런티어 함수를 프런티어 함수가 기본적으로 만족해야 하는 단조성이나 오목성등을 만족하도록 하면서 비모수적 방법으로 추정하는 방법들이 많이 이루어졌다. 하지만, 이러한 방법들에서 얻어지는 추정량들은 프런티어 함수를 조각적 선형함수 또는 계단함수로 추정하는 특징 때문에 추정의 효율이 떨어지나가 프런티어 함수가 해석이 용이하지 않은 불연속점을 가지는 문제를 가지게 된다. 본 논문에서는 이러한 문제를 해결하기 위해 확률프런티어 모형에서 단조증가하는 매끄러운 프런티어 함수 추정법을 제시하고 제안된 추정방법이 기존의 추정방법에 비해서 가지는 추정 효율의 장점을 시뮬레이션를 통해 예시하였다.