Powiadomienia systemowe
- Sesja wygasła!
- Sesja wygasła!
- Sesja wygasła!
Tytuł artykułu
Autorzy
Wybrane pełne teksty z tego czasopisma
Identyfikatory
Warianty tytułu
Języki publikacji
Abstrakty
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
Wydawca
Czasopismo
Rocznik
Tom
Strony
70--83
Opis fizyczny
Bibliogr. 28 poz., il.
Twórcy
autor
autor
- 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.
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-article-BPB4-0042-0009