Mixed Frequency Stochastic Frontier Model: with application to the linkage of weather extremes and firm efficiency

技術要約：混合頻度確率的フロンティア・モデル：気象極値と企業効率性の関連性への適用

問題提起
本論文は、環境ショックを含むパネルデータに確率的フロンティア分析（SFA）を適用する際に生じる、2つの持続的な手法上の課題に対処している。

1. 「誤った歪度（Wrong Skewness）」と収束の問題： 従来のSFAモデルは、非効率性項に対して半正規分布または切断正規分布を仮定することが多い。データが正の歪度を示す場合（規制産業や、非効率な企業の参入が制限されている状況でよく見られる現象）、最尤推定法（MLE）はしばしば収束に失敗するか、特異な情報行列を生成し、結果として偏った効率性推定値（しばしば1に収束する）をもたらす。
2. 混合頻度データの問題： 企業の生産指標（投入量と産出量）は通常、低頻度（例：年次）で観測される一方で、非効率性の決定要因（台風、降水量などの極端な気象事象）は高頻度（月次または日次）の変動を示す。標準的なアプローチでは、低頻度の生産データに合わせて高頻度のデータを集計するが、著者らはこれが重大な情報の損失につながると主張している。極端な気象事象を集計すること（例：月間の平均風速を算出すること）は、稀ではあるが破壊的な事象の影響を中和してしまい、それらが運営上の非効率性に与える真の影響を覆い隠してしまう。

手法
著者らは、高頻度の共変量を時間的な集計を行うことなく非効率性方程式に直接組み込む、新しい**混合頻度確率的フロンティア・モデル（VF-SFM）**を提案している。

• モデル仕様：

  • 生産関数： 標準的なコブ＝ダグラス型生産関数が対数形式で指定され、産出量（総営業収益）と労働および資本の投入量を結びつける。モデルには、生産における時間的依存性を捉えるための自己回帰項が含まれている。
  • 非効率性方程式： 非効率性項（$u_{it}$）に対して特定の分布を仮定する代わりに、著者らは非効率性をロジスティック関数を通じて指定している。これにより、制限的な分布仮定を置くことなく、非効率性の非負性が保証される。
  • 非パラメトリックな統合： 高頻度の気象変数（月間最大降水量および最大持続風速）は、スプラインを用いた柔軟な非パラメトリック加法関数を介してロジスティック関数内に組み込まれる。これにより、モデルは極端な気象が非効率性に与える異質かつ時変的な影響を捉えることができ、データの疎性（例：乾燥した月におけるゼロ値）にも対応できる。
  • 方程式の構造：
    $$\ln y_{it} = \alpha_0 + \alpha_1 \ln L_{it} + \sum \beta_j \ln C_{jit} + v_{it} - u_{it}$$
    $$u_{it} = \frac{1}{1 + \exp[-(\gamma Z_{it} + \sum f_j(R_{tj}) + \sum g_j(W_{tj}))]} + \epsilon_{it}$$
    ここで、$Z$は企業固有の決定要因（徴収効率、系統損失、利息費用）を表し、$R$と$W$はそれぞれ月間の降水量と風速を表す。

• 推定アルゴリズム：
  MLEに伴う収束問題を回避するため、本論文ではハイブリッド・バックフィッティング・アルゴリズムを採用している。この反復的な手順は、以下のプロセスを組み合わせたものである。

  1. 生産関数のパラメータのための一般化最小二乗法（GLS）。
  2. 非効率性方程式のパラメトリック係数のための最小二乗法（OLS）。
  3. 非パラメトリック関数（スプライン）を推定するためのペナルティ付き最小二乗法（PLS）。
     アルゴンドは、平均絶対パーセント誤差（MAPE）が収束するまで、生産関数の推定と非効率性方程式の推定の間で反復を行う。

実証適用と結果
この手法は、2010年から2022年までのフィリピンの**114の電気協同組合（EC）**のパネルデータに適用されている。本研究は、金融および運営指標を制御しつつ、企業効率性と極端な気象事象（台風や降水量）との関連性を結びつけている。

• 収束性と予測能力：
  • 提案されたVF-SFMは、すべての地域で正常に収束した。
  • 対照的に、集計された年次の気象データとMLEを用いたベンチマーク・モデル（Battese & Coelli, 1995）は、ほとんどの地域で収束に失敗した。収束した場合でも、VF-SMはベンチマークと比較して有意に低いMAPE値を記録し、優れた予測精度を示した。
• 効率性推定値：
  • ベンチマーク・モデルは、膨張した技術的効率性（TE）の推定値（しばしば100%に近い）を生成した。これは、「誤った歪度」問題およびモデルの誤設定の兆候である。
  • VF-SFMは、より現実的なTE推定値（概ね30%から80%の範囲）を導き出し、企業がフロンティアで運営されていないことを明らかにした。
  • 気象の影響： 非パラメトリック関数は、極端な気象の影響を効果的に捉えた。降水量の曝露が低い地域では、効率性が高いことが示された。モデルは、深刻な台風に見舞われた年（例：2018年、2019年）が、系統損失の増加および効率性の低下と相関していることを特定したが、これらの影響は集計されたベンチマーク・モデルでは隠蔽されていた。
• 決定要因： 系統損失と徴収効率が、非パラメトリックな気象項とともに、非効率性の有意な決定要因であることが判明した。

主要な貢献

1. 手法の革新性： 本論文は、非効率性に分布仮定の代わりにロジスティック関数を用いることで、「誤った歪度」の問題を解決するフレームワークを導入し、モデルの収束性と堅牢性を確保している。
2. 混合頻度の取り扱い： 非パラメトリック加法関数を用いることで、高頻度の環境データを低頻度の生産モデルに統合するための実用的な解決策を提示しており、集計によって消失してしまう極端な事象の変動性を保持している。
3. 推定の堅牢性： ハイブリッド・バックフィッティング・アルゴリズムは、混合頻度データや非パラメトリック成分に伴う複雑さを、従来のSFAに見られる収束失敗を起こすことなく、MLEに代わる安定した手法を提供する。

意義と主張
本論文は、提案されたフレームワークが、混合頻度データや複雑な環境決定要因を特徴とする文脈における確率的フロンティア分析の適用範囲を広げるものであると主張している。極端な気象によるショックを企業レベルの運営上の非効率性と結びつけることに成功したことで、本研究は、マイクロレベルの持続可能性とレジリエンス（回復力）の課題を評価するための実用的なツールを提供している。

著者らは、極端な気象を制御することはできないものの、本モデルによって規制当局や企業経営者が、これらの事象によって増幅される特定の運営上の脆弱性（例：系統損失）を特定できることを強調している。これは、電力配電のような気候変動に対して脆弱なセクターにおいて、インフラの強靭化への投資や運営技術の改善といった、適応戦略の開発を支援するものである。結論として、VF-SFMは、環境ショックが頻繁かつ深刻に発生するセクターにおける政策分析に対して、より正確で信頼性の高いアプローチを提供する。