随机前沿分析和分位数回归自20年前引入林业研究领域以来,在确定二维或更高维度的自稀疏边界线或自稀疏边界面时通常采用的两种计量经济学方法。然而,在大多数情况下,使用一种方法或另一种方法的合理性尚未得到明确解释,这可能是由于在描述自稀疏边界面时对两种方法之间的差异缺乏充分理解。如果不能充分的了解这些差异,那么对于林分自稀疏过程的分析将会得到一种错误的结果,降低数据使用的效率,减弱统计推断能力,也就无法更深入地了解植物种群和林分的动态。本文采用吉林省松江河林业局、黑龙江省孟家岗林场、牡丹江市林口林业局和东京城林业局共计170块长白落叶松人工林样地调查数据,以样地中的长白落叶松林分生物量为因变量,以林分密度、林分相对立地指数(即环境梯度指标)和林分中其他树种大小和数量的相对指标(其他树种的权重)为自变量,建立了四维度的自稀疏边界面模型,并采用了随机前沿分析和分位数回归两种统计方法对模型进行拟合,并且比较了两种统计方法在不同样本大小的参数估计结果,结果表明:1)在不进行抽样的样本中,采用正态-半正态、正态-截尾正态和正态-指数分布的三种随机前沿分析模型和分位点为0.80到0.99的分位数回归模型的两种统计方法对四维自稀疏边界面进行拟合,通过比较残差的平均值、方差、偏度、峰度以及残差大于0的个数,两种方法拟合的趋势,以及对比经典自稀疏方程的斜率。发现正态-半正态的随机前沿分析方法要优于分位数回归拟合的方法。2)采用随机重复抽取八种不同样本大小的拟合估计的参数结果表明,采用正态-半正态随机前沿估计结果在平均值和90%置信区间、变异系数、偏度和峰度上要比采用不同分位数(分位点τ=0.80～0.99,步长增长量为0.01)回归拟合的参数估计结果更加稳定,并且它给出较低的可变性程度和比较窄的置信区间。3)通过两种方法的比较,最终采用正态-半正态的随机前沿分析方法拟合的长白落叶松人工林四维度自稀疏边界面为最终模型。通过与二维度的自稀疏边界线模型和三维度的自稀疏面模型比较来看,四维度的自稀疏边界面模型预估长白落叶松人工林的林分动态更加精准。