Beschreibung:
Stochastic frontier analysis is a popular tool to assess firm performance. Almost universally it has been applied using maximum likelihood estimation. An alternative approach, pseudolikelihood estimation, decouples estimation of the error component structure and the production frontier, has been adopted in both the nonparametric and panel data settings. To date, no formal comparison has yet to be conducted comparing these methods in a standard, parametric cross sectional framework. We produce a comparison of these two competing methods using Monte Carlo simulations. Our results indicate that pseudolikelihood estimation enjoys almost identical performance to maximum likelihood estimation across a range of scenarios and performance metrics, and for certain metrics outperforms maximum likelihood estimation when the distribution of inefficiency is incorrectly specied.
Stochastic Frontier Analysis (SFA) ist eine beliebte Methode zur Bewertung von Unternehmensleistungen wie beispielsweise Elektrizitätsnetzbetreibern. Die Methode wird im Allgemeinen mittels des Maximum-Likelihood-Schätzverfahrens angewendet. Ein alternativer Ansatz, das Pseudolikelihood-Schätzverfahren, entkoppelt die Schätzung des Fehlerterms von der Schätzung der Produktionsfunktion und wurde bisher bei nichtparametrischen Methoden der Effizienzschätzung sowie bei Methoden für Paneldaten angewendet. Bislang wurde jedoch noch kein Vergleich dieser Methoden für den Standardfall einer parametrischen Effizienzschätzung von Querschnittsdaten durchgeführt. In diesem Papier vergleichen wir daher die konkurrierenden Methoden mittels Monte Carlo Simulationen. Unsere Resultate zeigen, dass das Pseudolikelihood-Schätzverfahren über eine weite Spannweite von Szenarien und Leistungskriterien sehr ähnliche Ergebnisse erzielt und für den Fall, dass die Verteilung des Ineffizienzterms nicht korrekt spezifiziert ist, bessere Ergebnisse liefert als das Maximum-Likelihood-Schätzverfahren.