The derivation of maximum likelihood function in fixed effect stochastic frontier model：an application of copula function

Greene (2005) 在縱橫資料型態下提出真實固定效果隨機邊界模型 (true fixed effect stochastic frontier analysis, TFESFA)，該模型保留了傳統隨機邊界法之架構並考量到廠商間之異質性問題，同時設定廠商之無效率項可隨時間改變。但此模型假定不同廠商皆有特定之固定效果參數，當廠商家數多而資料觀察期間較少時，會因待估參數過多而導致模型存在擾攘參數問題，產生估計偏誤 。 本研究利用Tsay et al. (2009) 提出之方法，以錯誤函數 (error function) 之非線性近似函數以及關聯結構函數 (copula function) 推導得到TFESFA模型經一階差分轉換後組合誤差項之近似概似函數，成為本研究提出之差分隨機邊界模型(difference stochastic frontier model, DSFA) 模型，透過模擬過程生成平衡縱橫樣本及不平衡縱橫樣本，發現本研究提出之DSFA模型的確能在觀察期間較少時消除擾攘參數問題之影響。最後，本研究使用TFESFA模型及DSFA模型，配合投入面距離函數來衡量俄羅斯銀行之技術效率，而DSFA模型亦能達到更良好之估計效果