知经 KNOWECON
登录 注册

知经百科 / C

超越对数生产函数

超越对数生产函数

概述

超越对数生产函数（Translog Production Function）是一种灵活的函数形式，由 Christensen、Jorgenson 和 Lau（1973）首次提出，用于替代柯布-道格拉斯（Cobb-Douglas）和常替代弹性（CES）等较为局限的生产函数形式。其名称"超越对数"源于该函数在数学上是对数形式的泰勒二次展开，可视为对任意未知生产函数的二阶近似。由于不事先限定要素替代弹性为常数或等于1，超越对数生产函数在实证研究中被广泛用于检验生产技术的特征，如规模报酬、要素替代弹性及技术进步的偏向性。

数学形式

基本定义

对于包含 n n 种投入要素的生产过程，超越对数生产函数的一般形式为：

ln⁡Y=β0+∑i=1nβiln⁡Xi+12∑i=1n∑j=1nβijln⁡Xiln⁡Xj\ln Y = \beta_0 + \sum_{i=1}^{n} \beta_i \ln X_i + \frac{1}{2} \sum_{i=1}^{n} \sum_{j=1}^{n} \beta_{ij} \ln X_i \ln X_j

其中 Y Y 为产出，Xi X_i 为第 i i 种投入要素的数量。参数 βi \beta_i 反映各要素的一阶效应，βij \beta_{ij} 反映要素之间的交互效应与非线性效应。当所有 βij=0 \beta_{ij} = 0 时，超越对数函数退化为柯布-道格拉斯生产函数，因此前者是后者的推广。

对称性约束

为保证参数的唯一可识别性，通常施加对称性约束 βij=βji \beta_{ij} = \beta_{ji} 。在此约束下，对于两种投入要素 K K （资本）和 L L （劳动）的情况，函数简化为：

ln⁡Y=β0+βKln⁡K+βLln⁡L+12βKK(ln⁡K)2+12βLL(ln⁡L)2+βKLln⁡Kln⁡L\ln Y = \beta_0 + \beta_K \ln K + \beta_L \ln L + \frac{1}{2} \beta_{KK} (\ln K)^2 + \frac{1}{2} \beta_{LL} (\ln L)^2 + \beta_{KL} \ln K \ln L

此形式包含 6 个待估参数（与两投入柯布-道格拉斯模型的 3 个参数相比，灵活性大大提高）。

核心性质

产出弹性

要素 i i 的产出弹性定义为 ∂ln⁡Y/∂ln⁡Xi \partial \ln Y / \partial \ln X_i ，在超越对数函数下为：

εi=βi+∑j=1nβijln⁡Xj\varepsilon_i = \beta_i + \sum_{j=1}^{n} \beta_{ij} \ln X_j

与柯布-道格拉斯函数不同，超越对数函数的产出弹性依赖于要素投入水平，这意味着要素的边际产出随投入规模的变化而改变。这一性质使得超越对数函数能够刻画生产过程中可能存在的非线性特征。

规模报酬

规模报酬由所有产出弹性之和度量：

RTS=∑i=1nεi=∑i=1nβi+∑i=1n∑j=1nβijln⁡XjRTS = \sum_{i=1}^{n} \varepsilon_i = \sum_{i=1}^{n} \beta_i + \sum_{i=1}^{n} \sum_{j=1}^{n} \beta_{ij} \ln X_j
  • 若 RTS=1 RTS = 1 ，则为不变规模报酬（CRS）；
  • 若 RTS>1 RTS > 1 ，则为递增规模报酬（IRS）；
  • 若 RTS<1 RTS < 1 ，则为递减规模报酬（DRS）。

由于 RTS RTS 依赖于投入水平，超越对数模型允许企业在不同生产规模上经历不同的规模报酬特征，这比固定规模报酬假设更符合现实。

替代弹性

要素 i i 与要素 j j 之间的 Allen 偏替代弹性（AES）为：

σij=βij+εiεj−δijεiεiεj\sigma_{ij} = \frac{\beta_{ij} + \varepsilon_i \varepsilon_j - \delta_{ij} \varepsilon_i}{\varepsilon_i \varepsilon_j}

其中 δij \delta_{ij} 为克罗内克 δ \delta （当 i=j i=j 时取 1，否则取 0）。替代弹性随要素投入水平变化，这是超越对数函数区别于 CES 生产函数的关键特征。

技术进步的偏向性

超越对数函数还可引入时间趋势 t t 以刻画技术进步：

ln⁡Y=β0+∑iβiln⁡Xi+12∑i∑jβijln⁡Xiln⁡Xj+γtt+∑iγittln⁡Xi+12γttt2\ln Y = \beta_0 + \sum_i \beta_i \ln X_i + \frac{1}{2} \sum_i \sum_j \beta_{ij} \ln X_i \ln X_j + \gamma_t t + \sum_i \gamma_{it} t \ln X_i + \frac{1}{2} \gamma_{tt} t^2

此时参数 γit \gamma_{it} 衡量技术进步的要素偏向性：若 γit>0 \gamma_{it} > 0 ，则技术进步偏向于节约要素 i i （增加该要素的边际产出）；反之则偏向于使用要素 i i 。这一框架为研究 Hicks 中性或偏向性技术进步提供了实证基础。

估计方法

单方程估计

若假设利润最大化和完全竞争市场，可利用一阶条件将产出弹性与要素成本份额联系起来。对于要素 i i ，其成本份额 si=wiXi/∑jwjXj s_i = w_i X_i / \sum_j w_j X_j 满足：

si=βi+∑j=1nβijln⁡Xjs_i = \beta_i + \sum_{j=1}^{n} \beta_{ij} \ln X_j

这一组成本份额方程构成似不相关回归（SUR）系统，可通过迭代 SUR（ISUR）或最大似然估计（MLE）进行联合估计。施加对称性约束 βij=βji \beta_{ij} = \beta_{ji} 以及齐次性约束 ∑iβi=1 \sum_i \beta_i = 1 和 ∑jβij=0 \sum_j \beta_{ij} = 0 （对每个 i i ）可提高估计效率。

多方程联合估计

实践中更常用的方法是联合估计生产函数和成本份额方程，利用跨方程参数约束来提高自由度。常用的估计策略包括：

  1. Zellner 似不相关回归（SUR）：允许方程间误差项相关，提高估计效率；
  2. 三阶段最小二乘法（3SLS）：当投入要素存在内生性时采用；
  3. 系统 GMM：适用于面板数据场景，处理动态效应和内生性问题；
  4. 贝叶斯估计：允许引入先验信息，尤其适用于小样本情形。

数据要求与注意事项

超越对数函数包含大量的交互项和平方项，对数据质量要求较高。多重共线性是高阶多项式项的常见问题，可通过中心化（将 ln⁡Xi \ln X_i 减去其样本均值）来缓解。此外，函数形式的灵活性也可能导致违反单调性（边际产出非正）或拟凹性等理论约束，需要在估计后检验并在必要时施加约束。

优点与局限

优点

  1. 灵活性：作为二阶泰勒近似，可以对任意未知生产函数在局部提供良好的拟合；
  2. 包容性：柯布-道格拉斯和 CES 函数是其特例，可通过假设检验判断简化形式的适用性；
  3. 可检验性：规模报酬、替代弹性、技术进步偏向性等假设均可在统一框架下检验；
  4. 与对偶理论的兼容性：可自然地与成本函数或利润函数对偶分析相结合。

局限

  1. 参数众多：n n 种要素需估计 1+n+n(n+1)/2 1 + n + n(n+1)/2 个参数，小样本下估计效率低；
  2. 多重共线性：二次项和交互项高度相关，可能导致参数估计不稳定；
  3. 全局性质不可靠：作为局部近似，外推到样本范围外时表现差；
  4. 理论一致性约束难以完全满足：单调性和拟凹性可能在数据空间的某些区域被违反；
  5. 解释复杂性：交互项的经济含义不直观，边际效应需结合投入水平计算。

应用领域

超越对数生产函数在以下领域有广泛应用：

  • 生产率与效率分析：结合随机前沿分析（SFA）估计技术效率和技术进步偏向；
  • 能源经济学：研究能源与资本、劳动之间的替代/互补关系；
  • 农业经济学：分析不同农业投入要素间的替代弹性；
  • 产业组织：检验企业层面的规模报酬与市场势力；
  • 增长核算：分解全要素生产率增长的技术进步与规模效应成分；
  • 环境经济学：评估环境规制对要素配置和技术选择的影响。

与其他函数形式的比较

特征柯布-道格拉斯CES超越对数
替代弹性固定为1固定常数随要素比例变化
参数数量（2要素）346
是否可检验CRS是是是
是否包含CD—是（σ=1 \sigma=1 ）是（βij=0 \beta_{ij}=0 ）
非线性特征无有限丰富

参考文献

  1. Christensen, L. R., Jorgenson, D. W., \& Lau, L. J. (1973). Transcendental Logarithmic Production Frontiers. The Review of Economics and Statistics, 55(1), 28–45.
  2. Berndt, E. R., \& Christensen, L. R. (1973). The Translog Function and the Substitution of Equipment, Structures, and Labor in U.S. Manufacturing. Journal of Econometrics, 1(1), 81–113.
  3. Greene, W. H. (2018). Econometric Analysis (8th ed.). Pearson.
  4. Kmenta, J. (1967). On Estimation of the CES Production Function. International Economic Review, 8(2), 180–189.
  5. Fuss, M., McFadden, D., \& Mundlak, Y. (1978). A Survey of Functional Forms in the Economic Analysis of Production. In M. Fuss \& D. McFadden (Eds.), Production Economics: A Dual Approach to Theory and Applications.
  6. Jorgenson, D. W., Gollop, F. M., \& Fraumeni, B. M. (1987). Productivity and U.S. Economic Growth. Harvard University Press.

返回百科索引