PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
2007 | 54 | z. 1 | 5--19
Tytuł artykułu

The Bayesian comparison of conditional input demands systems in the presence of inefficiency

Warianty tytułu
Bayesowskie porównywanie systemów warunkowego popytu na czynniki produkcji w warunkach nieefektywności
Języki publikacji
EN
Abstrakty
EN
The main goal of the paper is to discriminate among stochastic conditional demand systems. In this paper we present the Bayesian comparison of conditional input demand functions derived from stochastic cost frontiers approximated by different flexible functional forms. The advantage of applying input demand (or cost share) systems over the production or cost frontiers relays on the fact that they allow for modelling both technical and allocative efficiency. The technical inefficiency is related to the excessive inputs usage in a production process while the allocative inefficiency is related to the incorrect proportions of inputs. The composed error structure of each of the equations of the conditional demand systems is defined by the Bayesian random effects model, so called common efficiency distribution model. In the empirical analysis there are considered three demand systems derived from the microeconomic short-run variable cost function approximated by three locally flexible functional forms: the translog, the Generalised Leontief and the Generalised McFadden. Details of prior specification are discussed on the basis of the short-run Generalised Leontief input demand system. The comparison of models is conducted by marginal likelihood that is calculated by implementation of Markov Chain Monte Carlo techniques. An example of input demand systems estimated using data obtained from 31 Polish electric power stations illustrates the methodology. The results show insignificant differences in the description of the underlying production process by competing systems but we found out significantly different explanatory power of various conditional demand models. (original abstract)
Praca przedstawia bayesowskie podejście do porównywania funkcji warunkowego popytu na czynniki produkcji w warunkach występowania zjawiska nieefektywności technicznej i alokacyjnej. Systemy funkcji warunkowego popytu na czynniki produkcji bądź systemy modelujące struktury udziałów kosztu poszczególnych nakładów w koszcie całkowitym są wyprowadzane z mikroekonomicznych funkcji kosztu co pozwala na uzyskanie tych samych charakterystyk procesu produkcyjnego i analogiczny opis technologii. Zaletą stosowania w badaniach empirycznych systemów modelujących bezpośrednio zapotrzebowanie na nakłady czynników produkcji jest możliwość ujęcia w modelu zjawiska nieefektywności technicznej i alokacyjnej. Nieefektywność techniczna jest związana z niepełnym wykorzystaniem czynników produkcji natomiast nieefektywność alokacyjna z nieprawidłowymi proporcjami nakładów stosowanych w procesie produkcyjnym. W pracy zaprezentowano ogólny schemat estymacji bayesowskiej systemów funkcji warunkowego popytu na czynniki produkcji wraz z dyskusją doboru rozkładu a priori oraz zawarto formalne porównanie mocy wyjaśniającej poszczególnych modeli poprzez analizę prawdopodobieństw a posteriori. Do definicji struktury stochastycznej złożonych składników losowych poszczególnych równań wykorzystano bayesowskie modele efektów losowych, w szczególności model o wspólnym rozkładzie efektywności dla trzech konkurencyjnych systemów popytu, powstałych z mikroekonomicznych krótkookresowych funkcji kosztu zmiennego przybliżanych funkcjami: Translog, Uogólnioną Leontiewa i McFaddena. Strona numeryczna aplikacji została zrealizowana z wykorzystaniem metod Monte Carlo opartych na łańcuchach Markowa, w szczególności losowania Gibbsa i algorytmu Metropolisa i Hastingsa. Ilustrację empiryczną przeprowadzono dla danych pochodzących z 31 polskich elektrowni i elektrociepłowni z lat 1995-1997. Wyniki empiryczne wskazują na niewielką zmienność charakterystyk procesu produkcyjnego w zależności od zastosowanej formy funkcyjnej jednak zaobserwowano istotne różnice w mocy wyjaśniającej poszczególnych modeli. (abstrakt oryginalny)
Rocznik
Tom
54
Numer
Strony
5--19
Opis fizyczny
Twórcy
Bibliografia
  • [1] Aigner D., Lovell C.A.K., Schmidt P., [1977], Formulation and estimation of stochastic frontier production function models, "Journal of Econometrics" 6.
  • [2] Browning M.J., [1983], Necessary and sufficient conditions for conditional cost functions, "Econometrica" 51.
  • [3] Carlin B.P., Chib S., [1995], Bayesian model choice via Markov chain Monte Carlo methods, "Journal of the Royal Statistical Society" 57.
  • [4] Casella G., George E., [1992], Explaining the Gibbs sampler, "The American Statistician" 46.
  • [5] Caves D.W., Christensen L.R., [1980], Global properties of flexible functional forms, "American Economic Review", 70.
  • [6] Chib S., [1995], Marginal likelihood form the Gibbs output, "Journal of the American Statistical Association" 90.
  • [7] Christensen L.R., Greene W.H., [1976], Economies of scale in U.S. electric power generation, "Journal of Political Economy" 84:4, Part 1.
  • [8] Christensen L.R., Jorgenson D.W., Lau L.J., [1971], Conjugate duality and the transcendental logarithmic production frontiers, "Econometrica" 39.
  • [9] DeGroot M., [1981], Optymalne decyzje statystyczne, PWN Warszawa.
  • [10] Diewert W.E., [1971], An application of the Shephard duality theorem: a generalized Leontief Production Function, "Journal of Political Economy" 79.
  • [11] Diewert W.E., Wales T.J., [1987], Flexible functional forms and global curvature conditions, "Econometrica" 55.
  • [12] Farrell M.J., [1957], The measurement of productive efficiency, "Journal of the Royal Statistical Society", Series A, 120.
  • [13] Gamerman D., [1998], Markov Chain Monte Carlo. Stochastic simulation for Bayesian inference, Chapman & Hall Inc., London.
  • [14] Geweke J., [1992], Evaluating the accuracy of sampling - based approaches to the calculation of'posterior moments, [w:] Bayesian Statistics 4 (red.) J.M. Bernardo, J.O. Berger, A.P. David, A.P.M. Smith, Oxford University Press, Oxford.
  • [15] Kass R.E., Raftery A.B., [1995], Bayes factors, "Journal of the American Statistical Association" 90.
  • [16] Koop G., Osiewalski J., Steel M.F.J., [1994], Bayesian efficiency analysis with a flexible form: the AIM cost function, "Journal of Business & Economics Statistics" 12.
  • [17] Koop G., Osiewalski J., Steel M.F.J., [1997], Bayesian efficiency analysis through individual effects: Hospital cost frontiers, "Journal of Econometrics" 76.
  • [18] Koop G., Steel M.F.J., Osiewalski J., [1995], Posterior analysis of stochastic frontier models using Gibbs sampling, "Computational Statistics" 10.
  • [19] Kumbhakar S.C., [1997], Modelling allocative efficiency in a translog cost function and cost share equations: An exact relationship, "Journal of Econometrics" 76.
  • [20] Meeusen W, van den Broeck J., [1977], Efficiency estimation from Cobb - Douglas production functions with composed error, "International Economic Review" 8.
  • [21] O'Hagan A., [1994], Bayesian Inference, Edward Arnold, London.
  • [22] Osiewalski J., Steel M.F.J., [1993], A Bayesian perspective on model selection manuscript in: Una perspectiva bayesiana en selección de modelos, "Cuadernos Economicos" 55/3.
  • [23] Shephard R.W., [1953], Cost and Production Function, Princeton N.J.: Princeton University Press.
  • [24] Varian A.H., [1992], Microeconomics Analysis, Third Edition, W.W Norton, New York.
  • [25] Wróbel-Rotter R., [2002], Postacie funkcji i metody estymacji w stochastycznych modelach granicznych, the Phd dissertation, promotor: Prof. Jacek Osiewalski, Department of Econometrics, Cracow University of Economics, Poland.
  • [26] Wróbel-Rotter R., [2004], Model McFaddena a analizie kosztu i popytu na czynniki produkcji - ujecie bayesovoskie, "Folia Oeconomica Cracoviensia" tom 45.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000127897009

Zgłoszenie zostało wysłane

Zgłoszenie zostało wysłane

Musisz być zalogowany aby pisać komentarze.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.