konsep fungsi frontier
TRANSCRIPT
6.5. Stochastic Frontier
Pokok bahasan sebelumnya adalah bahwa semua frontier adalah deterministic. Semua
perusahaan merupakan bagian dari keluarga frontier produksi, biaya dan profit dan semua variasi
dalam kinerja perusahaan diatribusikan pada variasi dan efisiensi perusahaan relative terhadap
family frontier yang umum. Walaupun scenario ini berhubungan dengan teori yang mendasari
kajian sebelumnya, pembuktiannya sulit untuk menjustifikasi secara empiris. Konsep umum
yang dari frontier deterministic yang disediakan oleh semua perusahaan mengabaikan
kemungkinan realitas bahwa kinerja perusahaan mungkin dipengaruhi oleh factor keseluruhan
diluar kontrolnya (seperti kinerja mesin yang buruk,iklim kurang mendukung, suplai input
terganggu dan lainnya ) seperti juga factor dibawah kontrolnya (inefisiensi). Untuk menghindari
pengaruh dari gangguan eksogen, yang baik dan yang buruk, bersama dengan pengaruh
kesalahan pengukuran dan inefisiensi ke dalam satu term error satu sisi (one –sided error term)
dan label campuran “inefesiensi” adalah sesuatu yang dapat dipertanyakan.
Penggunaan stokastik frontier adalah campuran error satu–sisi dan error dua-sisi. Lantas
untuk kuantitas tertentu dan daftar input yang digunakan, terdapat output maksimal yang
mungkin didapat,tetapi level maksimal ini adalah random sifatnya dibandingkan dengan
kepastian. Asumsi ini bahwa beberapa input lain atau pengaruh eksternal mempunyai
kemungkinan pengaruh maksimal juga ,tetapi yang lain mempunyai pengaruh potensial yang
tidak terbataskan.Sebagai contoh, pengaruh dari cuaca dan kejadian eksternal lain mungkin
dipertimbangkan didistribusikan secara normal. Akan tetapi, masih terdapat kemungkinan lain
yang akan terjadi akibat dari input lain atau kejadian lain yang mempunyai nilai maksimal
(kemungkinan terbaik), sehingga nilai suboptimal menciptakan erroe satu-sisi. Disamping itu
juga, haruslah ditekankan bahwa “noise” statistic didapat dari setiap persamaan regresi dan
biasanya diargumenkan didistribusikan secara normal; ini adalah alasan lain untuk stokastik
alami dari frontier. Sebagi contoh, pengukuran error atas output cukup cocok untuk kejadian ini,
tetapi menciptakan masalah berat bagi frontier deterministic.
Kesimpulan ini diberdayakan kembali jika kita mempertimbangkan juga “noise” dari statistic
bahwa semua terdiri dari hubungan empiris. Interpretasi stndar adalah bahwa pertama, mungkin
terdapat kesalahan pengukuran (diharapkan atas variabel dependen dan tidak pada variabel
independen). Kedua, persamaan mungkin tidak secara penuh dispesifikasi (diharapkan dengan
menghilangkan dengan variabel secara individu tidak penting). Kedua argument ini terpenuhi
hanya seperti juga untuk fungsi produksi bagi semua jenis persamaan, dan ini diragukan pada
yang terbaik tidak dapat dipisahkan “gangguan” dari inefisiensi, atau mengansumsi “gangguan”
hanya satu sisi.
Argumen ini berada dibelakang frontier stokastik(juaga disebut “composed error”) model dari
Aigner,et al.(1977) dan Meusen dan Van den Broeck (1977). Ide penting dibalik model frontier
stokastik adalah bahwa error term dipisahkan atas dua macam. Komponen simetrik
membolehkan variasi random dari frontier antara perusahaan dan menangkap pengaruh
kesalahan pengukuran, “gangguan” statistik lain dan goncangan random (random shock) diluar
control perusahaan.Komponen satu-sisi menangkap pengaruh inefisiensi relatife terhadap
frontier stokastik. Model frontier produksi stokastik mungkin ditulis sebagai berikut :
Y=f ( X ) exp (v−u ) , … ..(6.6)
dimana frontier stokastik adalah f ( X ) exp (v ), v mempunyai beberapa nilai distribusi simetrik
yang menangkap pengaruh random dari kesalahan pengukuran dan goncangan eksogen yang
mana menyebabkan penempatan dari deterministik inti f(X) bervariasi antar perusahaan.
Inefisiensi teknis relative terhadap frontier produksi stokastik kemudian ditangkap oleh
komponen error satu-sisi exp (-u), u. Inefisiensi teknis relative terhadap frontier produksi
stokastik kemudian ditangkap oleh komponen error satu-sisi exp (-u), u≥0.
Kondisi u≥0 menjamin bahwa semua observasi, berada diatas atau dibawah frontier produksi
stokastik. Namun saying tidak ada jalan menentukan apakah kinerja observasi dari observasi
khusus dibandingkan dengan inti deterministik dari frontier dikarenakan inefesiensi atau variasi
random dalam frontier. Ini membentuk kelemahan utama dari model frontier stokastik; tidaklah
mungkin memisahkan residual individu kedalam kedua komponen tersebut, dan juga tidak
mungkin mengestimasi inefisiensi teknis dari observasi.namun yang terbaik kita dapat lakukan
adalah mendapatkan estimasi dari rata-rata inefisiensi atas sampel.
Estimasi langsung dari model frontier produksi stokastik mungkin didapat dari metode MLE atau
COLS. Memperkenalkan distribusi probability spesifik dari v dan u, mengasumsikan bahwa u
dan v adalah independen dan bahwa X adalah eksogen, propertas asimtotik dari MLE dapat
dibuktikan dalam cara biasa. (catatan bahwa keberadaan komponen error simetrik v memecahkan
permasalahan batas jarak yang tertangkap oleh varian dari model frontier domestik). Model ini
mungkin juga diestimasikan dengan COLS dengan menyesuaikan tern konstan dengan E(u),
yang diturunkan dari residual COLS. COLS mengestimasi lebih mudah untuk dihitung
dibandingkan dengan estimasi ML, walaupun secara asimtotik kurang efisien. Olson, et al (1980)
menghadirkan pembuktian Monte Carlo yang mengindikasikan bahw COLS secara umum
membentuknya sebagi ML, walaupun untuk sampel yang lebih besar lagi.
Apakah diestimasikan oleh ML atau oleh COLS, distribusi dari u harus dipsefikasikan
terlebih dahulu. Aigner et al (1977) dan Meeusen dan Van den Broeck (1977)
mempertimbangkan menggunakan distribusi eksponensial dan hal normal untuk u.Kedua
distribusi ini mempunyai mode sama dengan nol. Stevenson (1980) telah emperlihatkan
bagaimana distribusi half-normal dan eksponensial dapat digeneralisasi truncated normal dan
gamma,secara berurutan. Kedus generalisasi dapat mempunyai model non-zero, dengan model
zero dapat diuji untuk kasus khusus.
Artinya,terdapat kemungkinan untuk berargumentasi bahwa hasil yang diperoleh tersebut
bukan nilai optimal dari sesuatu dan lebih lanjut tidak alasan untuk error satu sisi atau error
kompeten. Dalam pandangan ini, konsep maksimalitas dibuang dan fungsi produksi dinyatakan
hanya memberikan distribusi output dari input tertentu yang tersedia. Jika pandangan ini diterima
kemudian tidak alasan untuk mempelajari frontier.Namun ahli ekonom sepakat bahwa setiap
input mempunyai kemampuan maksimum tertentu dalam menghasilkan output sehingga
akhirnya output yang dihasilkak dari kemungkinan hasil terbaik dalam penggunaan input dengan
kemungkinan hasil maksimum.
6.6 Pertimbangan Dualitas
Sebagian besar aplikasi dari metodologi frontier telah banyak digunakan untuk mengestimasi
parameter dari frontier produksi. Tingkahlaku asumsi yang mendasari estimasi langsung frontier
produksi secara umum adalah asumsi yang dikemukakan oleh Zellner-Kmenta-Dreze tentang
expected profit maximization, yang mengimplikasikan kuantitas input secara eksogen.
Sudah sangat dikenal bahwa baik keunikan dua fungsi biaya atau fungsi produksi
mendefinisikan teknologi; yang mana akan diestimasi tergantung atas asumsi dan atau data.
Tingkah laku asumsi yang mendasari estimasi langsung fungsi biaya secara umum adalah
minimisasi biaya dengan output eksogen (missal karena perusahaan diregulasi). Ini
membutuhkan data atas harga input tapi tidak kuantitas input. Akhirnya, frontier biaya
menghasilkan informasi atas ekstra biaya dari inefisiensi teknis dan alokatif (walaupun tidak
untuk masing-masingnya secara terpisah, tanpa asumsi lebih lanjut)
Biaya frontier dapat secara nyata sebagai deterministic atau stokastik, seperti juga frontier
produksi.Forsund dan Jansen (1977) mengestimasi biaya frontier Cobb-Douglas homotetik
deterministic (deterministic homothetic Cobb-Douglas cost frontier), dengan inefisiensi teknis
direpresentasikan oleh densitas penggunaan seperti yang diaplikasikan oleh Gabrilson (1975).
Biaya frontier Cobb-Douglas stokastik telah diestimasikan oleh Schmidt dan lovell (1979).
Model frontier stokastik dapat juga diperluas sehingga untuk mendapatkan ekstimasi terpisah
dari inefisiensi teknis dan alokatif, disediakan bentuk fungsional dari frontier produksi terpilih
secara mudah untuk mengizinkan derevasi frontier biaya dan permintaan input dalam bentuk
tertutup. Schmidt dan Lovell (1979) mempertimbangkan bentuk :
InY =ε0+ ∑i=l
n
αi∈X i+v+u ,….(6.7)
Dimana kondisi u ≥ 0 membolehkan produksi terjadi dibawah stokastik frontier produksi. Sebagai
tambahan, mereka mengansumsi bahwa kondisi derivasi pertama minimisasi biaya tidak
terpuaskan; ini diekspresikan oleh
¿( X i
X n)=¿ (αi wn
αn w i)+εi , i=1,2,…n-1
Di mana ε i didistribusikan secara simetrik, sebut saja multivariate normal dengan mean sama
dengan nol.Kondisi ε ≤ 0 atau ε ≥ 0 mengizinkan produksi terjadi diatas jalur ekspansi biaya
terkecil. Kombinasi inefisiensi teknis u ≥ 0 dan inefisiensi biaya boleh ε 1≤ 0 atau ε 1≥ 0
menghasilkan frontier biaya stokastik dalam bentuk
ln (W ' X )=β0+1r
lnY +∑i=l
n (αi
r ) lnW i−1r
(v−u )+E, …(6.9)
dimana r=∑i=l
n
α i. Pengeluaran yang diamati melebihi frontier biaya stokastik untuk dua alas an:
dengan jumlah (1/r)≥ 0 dikarenakan inefisiensi teknis,dan oleh jumlah E≥ 0 dikarenakan
inefisiensi alokatif.(Istilah E adalah fungsi spesifik terbaik dari u).
Model dapat diestimasikan dengan menggunakan MLE atas sistem persamaan n dalam
persamaan (6.8) dan (6.9). Output dari prosedur estimasi terdiri dari:
a. Estimasi parameter frontier (α 0 , α1 ,… , α n r¿ ;
b. Mean technical inefficiency diatas sampel [ E (u ) ] ;c. Perluasan inefisiensi alokatif dengan pengamatan (ε i¿;
d. Rata-rata biaya dari inefesiensi alokatif atas sampel [( 1r )E(u)];
e. Dan biaya inefesiensi alokatif dengan observasi (E)
Model dasar persamaan (6.7) - (6.9) dan kedua perluasan didiskusikan oleh Schmidt dan Lovell
(1979,1980), dengan apalikasi pada US Steam Electric Generation. Model perluasan mampu
merinci berbagai macam pertanyaan berhubungan dengan magnitude dan biaya teknis serta
inefesiensi alokatif. Akan tetapi,aplikasi ini dibarengi dengan bentuk fungsi batasan
(homogenous Cobb-Douglas). Hasil itu juga menekankan bahwa estimasi sistem seperti
persamaan (6.8 - 6.10) membutuhkan data atas kedua harga input dan kuantitas input, yang
mungkin tidak tersedia.
Suatu sistem yang terdiri dari frontier biaya translog deterministic dan persamaan share yang
berhubungan dengan fungsi telah diestimasikan oleh Greene (1980b). Keuntungan dari
spesifikasi translog adalah karena tentu fleksibelitasnya. Kekurangannya adalah tidak mungkin
menyediakan solusi eksplisit untuk fungsi produksi berhubungan dengan fungsi biaya translog
(atau sebaliknya), yang membuat sulit untuk secara pasti bagaimana error (inefesiensi) dalam
satu fungsi berhubungan koresponden kuantitas dalam fungsi lain.
6.7. Model Efesiensi Non- Frontier
Studi model frontier produksi dimotivasi sebagian oleh ketertarikan dalam struktur
teknologi produksi efisien, tetapi juga oleh ketertarikan dalam perbedaan antara operasi
observasi dengan frontier.Walau notasi frontier dan efisiensi secara nyata saling melengkapi,
terdapat kemungkinan juga menginvestigasi efisiensi tanpa penggunaan eksplisit model frontier
dengan satu-sisi error term. Pembedaan cukup baik,tetapi semua model yang dikaji sebelumnya
membuat beberapa penggunaan struktur error satu-sisi untuk memaksa observasi satu-sisi dari
frontier, sedangkan tak satupun model dibicarakan dalam subseksi ini berbuat yang sama.
Model pertama, dikaji oleh Lau dan Yotopoulos (1971) dan juga digunakan oleh Trosper (1978),
adalah sarana untuk mengamati efisiensi teknis dan harga, yang terakhir adalah kombinasi dari
efisiensi alokatif dan efisiensi skala. Sampel dari perusahaan dipartisi menjadi dua tipe, sebutkan
saja besar dan kecil. Fungsi prediksi (bukan frontier) ditulis
Y i=A i f ( X i ) , i=¿1.2 …….(5.10)
Istilah Ai ≥ 0 adalah indeks efisiensi teknis, dengan dua tipe perusahaan secara efisensi teknis
sama jika, dan hanya jika, A1=A2. Kondisi derivasi pertama dari maksimal profit ditulis
∂ A i f (X i)∂ X ij
=λ ij(W ij
P i) , i=1,2; dan j=1 , .., n
Notasi λ ij ≥ 0 adalah indeks efisiensi harga, ketersediaan dari tipe perusahaan untuk menyamakan
nilai MPP input dengan harga yang sudah dinormalkan. Dua tipe perusahaan adalah sama dalam
efisiensi harga jika, dan hanya jika,λ1 j=λ2 j untuk j=1,..,n dan mereka secara absolute efisien
secara ekonomi jika,λ1 j=λ2 j=1 untuk j=1,..,n. Dua tipe perusahaan akan sama efisien secara
ekonomis jika, dan jika hanya, A1=A2, dan λ1 j=λ2 j untuk j=1,..,n. Akhirnya dua tipe perusahaan
adalah sama efisien secara ekonomis jika,dan jika hanya,fungsi profit masing-masing
berpotongan. Dari pengamatan terakhir dari jumlah yang diuji untuk efisiensi relative menjadi
mungkin, given (common) spesifikasi parametric untuk dua fungsi produksi. Untuk spesifikasi
homogeneus Cobb-Douglas, persamaan (6.11) dan (6.12) dapat dipecahkan untuk fungsi profit
π i=π i(Pi , W i, A i , λi) untuk i=1,2. Uji hipotesis berikut adalah mungkin : (i) efisiensi teknis sama;
(ii) efisiensi harga sama;(iii) efisiensi ekonomis sama; dan (iv) absolute efisiensi harga untuk
masing-masing tipe perusahaan.
Walaupun model ini dapat diperluas menjadi m kasus tipe perusahaan yang berbeda, ia tidak
dapat diperluas untuk mengivestiasi efisiensi atas basis perusahaan ke perusahaan. Disamping itu
keterbatasan data sepertinya membuat m sedikit dalam uji empiris. Kesulitan lain dengan model
ini, share dengan model frontier produksi stokastik bila lebih dari satu tipe inefisiensi yang lebih
menarik, bahwa bentuk fungsi terpilih untuk fungsi produksi secara cukup dapat di telusuri untuk
mengizinkan derivasi dari fungsi produksi yang bersangkutan. Secara praktis membatasi
penggunaan model spesifikasi homogen Cobb-Douglas, semua parameter mengestimasi dan
menguji statistic didasarkan atas model homogen Cobb-Douglas secara luas terpengaruh.
Model kedua. Dilakukan oleh Toda (1976,1977), tidak dilambangkan oleh implementasikan
penggunaan bentuk fungsional terbatas, dan nyatanya dapat diimplementasikan dengan ragam
yang luas dari bentuk fungsi fleksibel. Telah digunakan untuk tujuan sendiri dalam mengalami
inefisiensi teknis, walaupun kelihatannya dapat diperluas untuk melihat inefisiensi teknis dan
skala juga. Toda (1976) mulai dari mengansumsi CRS dan kedua efisiensi teknis dan alokatif,
dan dirancang secara tegas untuk fungsi rata-rata biaya Generalized Leontief dalam bentuk :
c (Y , W )Y
=∑i=1
n
∑j=1
n
αij W i1/2W j
1/2 , α ij=α ji , …(6.12)
Dengan persamaan permintaan input-output minimisasi biaya :
X i (Y , W )Y
=∑i=1
n
αij (W j
W i)
12 , i=1 , .., n…(6.13)
Kemudian dia mengizinkan rasio input-output untuk berbeda dari persamaan permintaan input-
output minimisasi biaya dengan mengansumsi bahwa :
X i
Y=∑
i=1
n
α ij [θ ji (W j
W i)]
1/2
, i=1 ,.. , n… ..(6.14)
Di mana θ ji mengukur efisiensi alokatif. Menggunakan persamaan (6.14), rata-rata biaya
diobservasi adalah :
c (Y , W )Y
=∑i=1
n
αij W i+12∑i=1
n
∑j=1
n
αij (θ1 j1 /2+θ1 i
1 /2 )W i1/2W j
1 /2 ,….(6.15)
Dapat dilihat dengan jelas dari persamaan di atas bahwa W’(X/Y) = c(Y,W)/Y jika, dan hanya
jika, (θij−1/2+θ ij
1/2)=2 membutuhkan θij=1 untuk semua i#j, jika setiap θij# 1, kemudian W’(X/Y)> c(Y,W)/Y, yang merupakan penyederhanaan dari fakta bahwa inefisiensi alokatif
adalah mahal.
Catatan bahwa simetri terjadi dalam fungsi rata-rata biaya persamaan (6.12) dan persamaan
permintaan input-output minimisasi biaya persamaan (6.13), tetapi gagal dalam mengobservasi
anologinya persamaan (6.15) dan (6.14). Lebih lanjut tes untuk tes simetri adalah juga tes untuk
efisiensi alokatif. Toda memperlihatkan bagaimana mengestimasi sistem persamaan (6.14) dan
(6.15). Metode ini menghasilkan estimasi parameter fungsi biaya α ij dan parameter inefisiensi
alokatif θij.Dari parameter inefisiensi alokatif akan memungkinkan membalikkan arah, magnitud
dan biaya dari inefisiensi alokatif.
Keuntungan mengagumkan dari model ini adalah bahwa model ini ditempatkan pada klasifikasi
bentuk fungsional fleksibel. Bentuk ini juga kelihatannya memungkinkan mengerjakan lebih
banyak dengan model ini dibandingkan apa yang dilakukan Toda. Sebagai contoh , inefisiensi
teknis mungkin diperkenalkan dengan penjumlahan gangguan satu-sisi ke persamaan(6.15)dan
(6.16). Kesulitan utama dengan model ini adalah bahwa parameter θij bukan untuk spesifik
perusahaan,dan ukuran hanya porsi sistematik dari inefisiensi alokatif. Untuk memperluasnya
akan ada deviasi random dari rasio output optimal (misalmoel yang dilakukan oleh Schmidt dan
lovell(1977)) porsi sistematik dari inefisiensi alokatif adalah bagian dari perluasan inefisiensi
alokatif itu sendiri.
Sebagai kesimpulannya, dalam model frontier deterministic dan stokastik, inefisiensi
diperkenalkan melalui disturbance error term sehubungan dengan implikasi model ekonometrik
yang cukup ruwet. Dalam model non-frontier inefisiensi diperkenalkan melalui variasi koefisien
(Lau dan Yotopoulos) atau melalui asymmetry (Toda),membuat bagian yang tidak memerlukan
teknik ekonometrik canggih,tetapi mengurangi informasi yang akan diperoleh.