Model ekonometryczny – narzędzie oceny efektywności spółek dystrybucyjnych ukształtowanych w wyniku konsolidacji poziomej

• Autorzy: Osiewalski J. , Wróbel-Rotter R.
• Języki publikacji: PL

Abstrakty

PL

Opracowanie zawiera analizę efektywności kosztowej 14 spółek dystrybucyjnych sektora energetycznego w Polsce, której wyniki mogą zostać wykorzystane do oceny wysokości uzasadnionych kosztów operacyjnych ponoszonych przez spółki oraz w procesie ustalania cen energii elektrycznej. Podstawę analizy stanowi model ekonometryczny opisujący zależność ponoszonego kosztu operacyjnego, rozważanego w różnych kategoriach, od szeregu czynników o charakterze techniczno-ekonomicznym, determinujących jego poziom. Oszacowany model pozwala na ocenę uzasadnionych kosztów operacyjnych, oszacowanie kosztów nadwyżkowych wynikających z nieefektywnego działania oraz obliczenie wskaźników efektywności kosztowej będących podstawą oceny stopnia potencjalnej redukcji kosztów. Przeprowadzona analiza opiera się na koncepcji stochastycznych modeli granicznych, wykorzystujących w swojej konstrukcji mikroekonomiczną teorię producenta oraz koncepcję nieefektywności działania obiektów (przedsiębiorstw), związaną z występowaniem wewnątrz jednostek systematycznych czynników odpowiedzialnych za ponoszenie kosztu wyższego niż uzasadniony w danych warunkach techniczno-ekonomicznych. Modele graniczne, jak do tej pory, były szeroko wykorzystywane do oceny efektywności działania przedsiębiorstw i innych podmiotów takich jak: banki, linie lotnicze, szpitale, gospodarstwa rolne itp., pozwalając na obiektywizację kryteriów oceny i uwzględnienie specyfiki funkcjonowania danego środowiska, m.in. poprzez rozważenie efektywności danego obiektu w stosunku do obiektu uznanego za efektywny w pewnej grupie. Estymacja granicznej funkcji kosztu dla danych przekrojowo-czasowych wykorzystuje metody wnioskowania bayesowskiego, pozwalające na rozwiązanie szeregu problemów występujących na gruncie ekonometrii klasycznej, związanych z wrażliwością wyników empirycznych, określaniem niepewności (dotyczącej zarówno parametrów strukturalnych modelu granicznego, jak i wskaźników efektywności) oraz umożliwiające bezpośrednie testowanie wpływu czynników egzogenicznych na średni poziom efektywności obiektów. Analizę efektywności na danych przekrojowo-czasowych uzupełnia estymacja stochastycznego modelu granicznego na danych przekrojowych, w celu ilustracji problemów metodologicznych i porównania rezultatów. Opiera się ona na uproszczonych technikach estymacji stanowiących modyfikację metody najmniejszych kwadratów (MNK). W szczególności rozważono Skorygowaną MNK, szeroko wykorzystywaną w praktyce ze względu na łatwość w implementacji, posiadającą jednak szereg bardzo restrykcyjnych założeń oraz mogącą prowadzić do znacznej wrażliwości wyników empirycznych. Estymację dla konkurencyjnych zbiorów zmiennych egzogenicznych i kategorii kosztu operacyjnego uzupełnia prezentacja wyników po oszacowaniu modelu na zbiorze danych uzyskanym po eliminacji największych i najmniejszych spółek oraz analiza zmienności w czasie.

Słowa kluczowe

PL

model ekonometryczny; ekonometria; sektor energetyczny

EN

econometrics; energy

• Wydawca: Urząd Regulacji Energetyki
• Czasopismo: Biuletyn Urzędu Regulacji Energetyki
• Rocznik: 2008
• Tom: nr 2
• Strony: 70--83
• Opis fizyczny: Bibliogr. 28 poz., il.

Twórcy

autor

Osiewalski J.

autor

Wróbel-Rotter R.

• Katedra Ekonometrii Uniwersytetu Ekonomicznego w Krakowie

Bibliografia

• 1. Aigner D., Lovell C.A.K, Schmidt P. (1977) „Formulation and estimation of stochastic frontier production function models”, Journal of Econometrics vol. 6.
• 2. Bauer W.P. (1990) „Recent developments in the econometric estimation of frontiers”, Journal of Econometrics vol. 46.
• 3. Broeck van den J., Koop G., Osiewalski J., Steel M.F.J. (1994) „Stochastic frontier models: A Bayesian perspective”, Journal of Econometrics vol. 61.
• 4. Casella G., George E. (1992) „Explaining the Gibbs sampler”, The American Statistician vol. 46.
• 5. Farrell M.J. (1957) „The measurement of productive efficiency”, Journal of the Royal Statistical Society, Series A vol. 120.
• 6. Fern(ndez C., Osiewalski J., Steel M.F.J. (1997) „On the use of panel data in stochastic frontier models with improper priors”, Journal of Econometrics vol. 79.
• 7. Gelman A., Rubin D. (1992) „A single series from the Gibbs sampler provides a false sense of security”, [w:] Bayesian Statistics 4 (red.: Bernardo J.M., Berger J.O., Dawid A.P., Smith A.F.M.), Oxford University Press, Oxford.
• 8. Geweke J. (1992) „Evaluating the accuracy of sampling – based approaches to the calculation of posterior moments”, [w:] Bayesian Statistics 4 (red.: Bernardo J.M., Berger J.O., Dawid A.P., Smith A.F.M.), Oxford University Press, Oxford.
• 9. Greene W.H. (1993a) Econometric Analysis, Macmillan, New York.
• 10. Greene W.H. (1993b) „The econometric approach to efficiency analysis”, [w:] The Measurement of Productive Efficiency – Techniques and Applications (red.: Fried H.O., Lovell C.A.K., Schmidt P.S.), Oxford University Press, New York.
• 11. Koop G., Osiewalski J., Steel M.F.J. (1994) „Hospital efficiency analysis through individual effects: A Bayesian approach”, CentER Discussion Paper 9447, Tilburg.
• 12. Koop G., Osiewalski J., Steel M.F.J. (1997) „Bayesian efficiency analysis through individual effects: Hospital cost frontiers”, Journal of Econometrics vol. 79.
• 13. Koop G., Steel M.F.J., Osiewalski J. (1995) „Posterior analysis of stochastic frontier models using Gibbs sampling”, Computational Statistics vol. 10.
• 14. Lovell K.C.A. (1993) „Production frontiers and productive efficiency” [w:] Fried H.O., Lovell K.C.A., Schmidt S.S. (red.) The Measurement of Productive Efficiency – Techniques And Applications, Oxford University Press, New York.
• 15. Meeusen W., van den Broeck J. (1977) „Efficiency estimation from Cobb – Douglas production functions with composed error”, International Economic Review vol. 8.
• 16. O’Hagan A. (1994), Bayesian Inference, Edward Arnold, London.
• 17. Osiewalski J. (1991) Bayesowska estymacja i predykcja dla jednorównaniowych modeli ekonometrycznych, Akademia Ekonomiczna w Krakowie (Monografie, nr 100), Kraków.
• 18. Osiewalski J. (2001) Ekonometria bayesowska w zastosowaniach, Wydawnictwo Akademii Ekonomicznej w Krakowie, Kraków.
• 19. Osiewalski J., Steel M.F.J (1993) „A Bayesian perspective on model selection” maszynopis; opublikowano w j. hiszpańskim: Una perspectiva bayesiana en selección de modelos, Cuadernos Economicos vol. 55/3.
• 20. Osiewalski J., Steel M.F.J (1998) „Numerical tools for the Bayesian analysis of stochastic frontier models”, Journal of Productivity Analysis vol. 10.
• 21. Osiewalski J., Wróbel-Rotter R. (1999) „Estymacja granicznych funkcji produkcji i wskaźników technicznej efektywności na podstawie danych przekrojowych”, Przegląd Statystyczny tom 46.
• 22. Schmidt P., Sickles R.C. (1984) „Production frontiers and panel data”, Journal of Business and Economic Statistics vol. 2.
• 23. Tierney L. (1994) „Markov chains for exploring posterior distributions” (with discussion), Annals of Statistics vol. 22.
• 24. Varian H. (1992) Microeconomics Analysis, Third Edition, W.W.Norton, New York.
• 25. Wróbel-Rotter R. (2004) „Bayesowska analiza kosztu na podstawie stochastycznego granicznego modelu Leontiewa”, Przegląd Statystyczny tom 51.
• 26. Wróbel-Rotter R., Osiewalski J. (2002) „Bayesowski model efektów losowych w analizie efektywności kosztowej (na przykładzie elektrowni i elektrociepłowni polskich)” Przegląd Statystyczny tom 49.
• 27. Wróbel-Rotter R., Osiewalski J. (2007) „Model ekonometryczny – narzędzie oceny efektywności spółek dystrybucyjnych ukształtowanych w wyniku konsolidacji poziomej”, rękopis niepublikowany, Urząd Regulacji Energetyki, Warszawa,
• 28. Zellner A. (1971) An Introduction to Bayesian Inference in Econometrics, J. Wiley, New York.