Essays on Efficiency Measurements

Abstract

Jednotícím tématem této dizertační práce je měření efektivity výroby s využitím jak parametrických, tak i neparametrických přístupů k hodnocení efektivnosti. První část dizertace se zabývá odhadem panelových dat modelem pevných efektů s náhodnou složkou, která je prostorově korelována na základě určité geografické blízkosti, nebo ekonomické závislosti. Pro případ, kdy časová dimenze dat je malá (což je u panelových dat obvyklý případ) článek rozvíjí metodu obecných momentů založenou na modelu studie Kelejiana a Průchy (1999). Tato metoda je pak aplikována v kontextu stochastické produkční hranice na panelu indonéských rýžových farem. V tomto kontextu vyplývají prostorové korelace z geografické blízkosti a představují vedlejší účinky šoků ovlivňující produktivní efektivitu výrobních jednotek. Pomocí testovací statistiky Moran I, článek empiricky dokazuje možnou přítomnost vedlejších účinků těchto šoků v těchto (a možná i dalších) datech a to, že tyto šoky mají významný dopad na odhady technické efektivity. Druhá část dizertace představuje logické rozšíření první části tím, že teoreticky rozvíjí model náhodných efektů, který reflektuje přítomnost prostorové korelace v náhodné složce. Model je následně aplikován v kontextu stochastické produkční hranice na stejná data indonéských rýžových farem....

The unifying theme of this dissertation is the measurement of production efficiency, covering both parametric and non-parametric approaches to efficiency assessment. The first chapter considers the estimation of a fixed-effect panel data model with disturbances that are spatially correlated, based on a geographic or economic proximity measure. For when the time dimension is small (the usual panel data case), the study develops a generalized moments estimation approach based on a cross-sectional model from Kelejian and Prucha (1999). This approach is then applied in a stochastic frontier framework to a panel of Indonesian rice farms. Within this framework, spatial correlations are based on geographic proximity, and represent productivity shock spillovers across the production units. Using a Moran I test statistic, the first chapter empirically demonstrates that productivity shock spillovers may exist in this (and perhaps other) data sets, and that these spillovers have profound effects on technical efficiency estimation. The second chapter represents a logical extension of the first as it theoretically develops a random effect panel data model that accounts for spatial correlation across disturbance terms. The model is then applied within the framework of production frontier to the same data set of...