Pseudolikelihood estimation of the stochastic frontier model
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.