前沿面的构造可分为两类方法：一是通过生产函数进行设定，由此描述理论上的生产关系；二是通过实证数据进行描绘，形成的数据包络线、包络面等。这两类方法分别对应参数方法与非参数方法，其代表理论方法分别是随机前沿分析（stochastic frontier analysis, SFA）与数据包络分析（data envelope analysis, DEA）。根据研究问题的差异，前沿面可分为生产前沿面、成本前沿面等，与之对应的是技术效率、成本效率等概念。除此之外，配置效率也是一个常见的效率概念，配置效率是指设定在最低成本水平下进行生产时，根据各种投入要素的价格关系，对投入要素的组合进行优化选择。经济效率的范畴则更广泛，可从配置效率与技术效率等两个方面进行理解。

基准分析已经成为公用事业激励管制中的一种广泛使用的政策工具，最主要的基准分析方法可以分为平均导向与前沿导向两类。平均导向的基准分析方法适用于在相对效率高的企业间引入标杆竞争[20]。而在中国电力行业，普遍存在非效率现象，因此选择前沿导向的方法更为适合管制视角。前沿分析方法的核心思想是通过将各个企业与行业内的最好实践进行比较，由此来估计各企业的效率，DEA 与 SFA 是两种最为常用的前沿分析方法，各具特点。DEA 是一种非参数的、确定性的规划模型，每个时期构建一个前沿面。与之对应，SFA 是一种参数的、随机性的计量经济学模型，可以将非效率项与随机因素进行分离。由于随机特性，SFA 通常需要对随机项的分布进行假设。SFA 另一个缺点是生产函数的形式必须需要设定。但是相比于 DEA，SFA 更适合于处理异质性问题。此外，SFA 体系中，有很多灵活的拓展模型可以用来处理时变效率。

为了得到随机性生产前沿面，SFA 由 Aigner, et al.和 Meeusen and Van denBroeck最早被引入效率基准分析中。他们最重要的贡献是提出了组合误差项的概念，将确定性的生产前沿面拓展为含有随机因素的生产前沿面。组合误差项由随机因素 vit 与非效率 uit 等两部分构成，代表了实际产出与确定性的理论值之间偏差的两种来源。后来，学者们通过从组合误差项中分离出非效率项，由此得到效率估计值。在经历 30 多年的不断发展，SFA 已经成为效率评估的流行方法，已被应用到很多行业，例如银行业、制造业及电力行业。