首先,一步到位构建合适的对标分析模型是困难的。面对多种多样的对标分析方法和结果,规制机构和研究者都难以通过规范研究确定某种模型和技术能够合理、准确地反映企业的真实绩效水平(Shuttleworth,2005)。研究结果表明,单一企业的绩效估计对所选取的建模方法非常敏感;虽然社会平均意义上的绩效估计对回归估计方法的选取并不敏感,但据此进行的企业绩效排名在各模型中差异很大(Jamasb和Pollitt,2003;Estache,等,2004;Farsi和Filippini,2004)。对标分析结果依赖于所采用的模型和技术,对政府规制政策及相关参数的制定有重要影响(Farsi和Filippini,2004;Cull mann,2012),进行多维度的模型评估、多种方法的模型稳健性检验和敏感性分析是必要的。
其次,可能面临有偏的企业绩效水平排序(Parker,等,2006)。尽管可采用多种方法来估计企业的绩效水平,以确保估计结果的可靠,但规制机构往往需要明确一种方法及相应的结果、结合其经验来制定规制目标,以致可能产生有偏的结果。被规制企业也通常对规制机构的对标分析提出挑战,如绩效衡量指标的准确性、估计模型选取的适当性、绩效估计结果的可靠性和规制目标制定的合理性等。也有研究认为,企业的实际绩效水平与可比性标杆之间的差距被解释为“非效率”,并要求企业进行改进是不恰当的,这种差距可能只是估计技术中无法解释的残差项(Shuttleworth,2005)。(www.xing528.com)
最后,对标分析受到数据可得性的挑战。采用独立于被规制企业的外部信息是对标分析的一个亮点,但在实践中,数据可得性广受诟病。一方面,使用质量较差的数据和变量,包括变量定义模糊、数据缺失、数据受特定条件或环境的影响较大、数据和变量的选取经验不足等,将影响对标分析的结果(Lowry和Getachew,2009)。另一方面,某些不可观测的或是太复杂而无法进行量化的特定因素,诸如企业的区位条件(山川、河流等)和技术特征(电缆和线路的特性、注入点等),可能对企业的生产运营产生影响,却无法纳入模型(Cull mann,2012)。从英国的经验来看,数据可得性还在很大程度上左右了对标分析方法的选取(Parker,等,2006)。
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。