全部版块 我的主页
› 论坛 › 计量经济学与统计论坛 五区 › 计量经济学与统计软件 › Stata专版
stata和Frontier4.1分析出来的结果不一样，Frontier的技术效率值正常stata全部大于10
shushu408
15553 14
2013-08-11
请教各位高手，在算企业技术效率值的时候，1、先用Frontier分析，执行文件如下：
1               1=ERROR COMPONENTS MODEL, 2=TE EFFECTS MODEL
EG1-dta.txt         DATA FILE NAME
2010out.txt        OUTPUT FILE NAME
1               1=PRODUCTION FUNCTION, 2=COST FUNCTION
y               LOGGED DEPENDENT VARIABLE (Y/N)
285             NUMBER OF CROSS-SECTIONS
1               NUMBER OF TIME PERIODS
285              NUMBER OF OBSERVATIONS IN TOTAL
2               NUMBER OF REGRESSOR VARIABLES (Xs)
n               MU (Y/N) [OR DELTA0 (Y/N) IF USING TE EFFECTS MODEL]
n               ETA (Y/N) [OR NUMBER OF TE EFFECTS REGRESSORS (Zs)]
n               STARTING VALUES (Y/N)
                IF YES THEN     BETA0              
                                BETA1 TO
                                BETAK            
                                SIGMA SQUARED
                                GAMMA
                                MU              [OR DELTA0
                                ETA                 DELTA1 TO
                                                      DELTAP]
                                NOTE: IF YOU ARE SUPPLYING STARTING VALUES
                                AND YOU HAVE RESTRICTED MU [OR DELTA0] TO BE
                                ZERO THEN YOU SHOULD NOT SUPPLY A STARTING
                                VALUE FOR THIS PARAMETER.
算出来的技术效率TE值都在0-1之间，不过有的很小，连0.1都不到。
2、用stata的frontier回归后，predict te，然后list te之后，出来的均大于10，两者差好多。
stata的结果
stata计算出的TE

我想问，用Frontier4.1 软件，怎么看变量显不显著？为什么stata出来的te都大于10，这个怎么办？

二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

全部回复
蓝色
2013-8-12 08:27:52
predict te, te
二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

shushu408
2013-8-12 15:11:21
蓝色 发表于 2013-8-12 08:27
predict te, te
万分感谢，可以了，不过两个软件差挺多，用哪个呢
二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

蓝色
2013-8-13 00:21:17
FRONTIER (Version 4.1c)  自带例子


Output from the program FRONTIER (Version 4.1c)


instruction file = eg1-ins.txt
data file =        eg1-dta.txt


Error Components Frontier (see B&C 1992)
The model is a production function
The dependent variable is logged


the ols estimates are :

                 coefficient     standard-error    t-ratio

  beta 0         0.24489834E+00  0.21360307E+00  0.11465114E+01
  beta 1         0.28049246E+00  0.48066617E-01  0.58354940E+01
  beta 2         0.53330637E+00  0.51498586E-01  0.10355748E+02
  sigma-squared  0.11398496E+00

log likelihood function =  -0.18446849E+02

the estimates after the grid search were :

  beta 0         0.58014216E+00
  beta 1         0.28049246E+00
  beta 2         0.53330637E+00
  sigma-squared  0.22067413E+00
  gamma          0.80000000E+00
   mu is restricted to be zero
   eta is restricted to be zero


iteration =     0  func evals =     20  llf = -0.17034854E+02
     0.58014216E+00 0.28049246E+00 0.53330637E+00 0.22067413E+00 0.80000000E+00
gradient step
iteration =     5  func evals =     42  llf = -0.17027230E+02
     0.56160697E+00 0.28108701E+00 0.53647803E+00 0.21694170E+00 0.79718731E+00
pt better than entering pt cannot be found
iteration =     7  func evals =     69  llf = -0.17027229E+02
     0.56161963E+00 0.28110205E+00 0.53647981E+00 0.21700046E+00 0.79720730E+00


the final mle estimates are :

                 coefficient     standard-error    t-ratio

  beta 0         0.56161963E+00  0.20261668E+00  0.27718331E+01
  beta 1         0.28110205E+00  0.47643365E-01  0.59001301E+01
  beta 2         0.53647981E+00  0.45251553E-01  0.11855501E+02
  sigma-squared  0.21700046E+00  0.63909106E-01  0.33954545E+01
  gamma          0.79720730E+00  0.13642399E+00  0.58436004E+01
   mu is restricted to be zero
   eta is restricted to be zero

log likelihood function =  -0.17027229E+02

LR test of the one-sided error =   0.28392402E+01
with number of restrictions = 1
[note that this statistic has a mixed chi-square distribution]

number of iterations =      7

(maximum number of iterations set at :   100)

number of cross-sections =     60

number of time periods =      1

total number of observations =     60

thus there are:      0  obsns not in the panel


covariance matrix :

  0.41053521E-01 -0.31446721E-02 -0.80030279E-02  0.40456494E-02  0.92519362E-02
-0.31446721E-02  0.22698902E-02  0.40106205E-04 -0.29528845E-04 -0.91550467E-04
-0.80030279E-02  0.40106205E-04  0.20477030E-02 -0.47190308E-04 -0.16404645E-03
  0.40456494E-02 -0.29528845E-04 -0.47190308E-04  0.40843738E-02  0.67450773E-02
  0.92519362E-02 -0.91550467E-04 -0.16404645E-03  0.67450773E-02  0.18611506E-01



technical efficiency estimates :


    firm             eff.-est.

       1           0.65068880E+00
       2           0.82889151E+00
       3           0.72642592E+00
       4           0.74785113E+00
       5           0.69133584E+00
       6           0.77654637E+00
       7           0.56516787E+00
       8           0.73768185E+00
       9           0.84388964E+00
      10           0.75784167E+00
      11           0.54558432E+00
      12           0.93739520E+00
      13           0.44809682E+00
      14           0.61831027E+00
      15           0.87384359E+00
      16           0.54952777E+00
      17           0.71262499E+00
      18           0.75907226E+00
      19           0.85727198E+00
      20           0.80651927E+00
      21           0.72458613E+00
      22           0.87223606E+00
      23           0.83681369E+00
      24           0.75225715E+00
      25           0.52974774E+00
      26           0.89731683E+00
      27           0.81013415E+00
      28           0.78179413E+00
      29           0.85610585E+00
      30           0.62097885E+00
      31           0.57938181E+00
      32           0.74934194E+00
      33           0.88192581E+00
      34           0.42082174E+00
      35           0.35126244E+00
      36           0.88908382E+00
      37           0.84118609E+00
      38           0.67868899E+00
      39           0.67291047E+00
      40           0.83853427E+00
      41           0.75964587E+00
      42           0.68189614E+00
      43           0.80438742E+00
      44           0.88652992E+00
      45           0.74299265E+00
      46           0.72610191E+00
      47           0.85341515E+00
      48           0.78519185E+00
      49           0.67207111E+00
      50           0.51430249E+00
      51           0.84238134E+00
      52           0.85098581E+00
      53           0.85963850E+00
      54           0.75508293E+00
      55           0.81649829E+00
      56           0.75991250E+00
      57           0.87350729E+00
      58           0.66471456E+00
      59           0.85670448E+00
      60           0.70842786E+00


mean efficiency =   0.74056772E+00
二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

蓝色
2013-8-13 00:21:53
同样数据stata的结果，
一样的结果啊

. frontier lnoutput lnlabour lncapital

Iteration 0:   log likelihood = -17.145284  
Iteration 1:   log likelihood = -17.028978  
Iteration 2:   log likelihood = -17.027226  
Iteration 3:   log likelihood = -17.027225  

Stoc. frontier normal/half-normal model           Number of obs   =         60
                                                  Wald chi2(2)    =     173.70
Log likelihood = -17.027225                       Prob > chi2     =     0.0000

------------------------------------------------------------------------------
    lnoutput |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
    lnlabour |   .2811026   .0474977     5.92   0.000     .1880087    .3741964
   lncapital |   .5364803   .0451735    11.88   0.000      .447942    .6250186
       _cons |   .5616167   .2025785     2.77   0.006     .1645701    .9586633
-------------+----------------------------------------------------------------
    /lnsig2v |  -3.123424   .4892455    -6.38   0.000    -4.082328   -2.164521
    /lnsig2u |    -1.7545   .4454761    -3.94   0.000    -2.627617   -.8813826
-------------+----------------------------------------------------------------
     sigma_v |   .2097766   .0513161                      .1298775    .3388288
     sigma_u |   .4159252   .0926424                      .2687944    .6435914
      sigma2 |       .217   .0644016                      .0907753    .3432247
      lambda |   1.982705   .1329547                      1.722119    2.243292
------------------------------------------------------------------------------
Likelihood-ratio test of sigma_u=0: chibar2(01) = 2.84   Prob>=chibar2 = 0.046

. predict double u_te, te

. list u_te

     +-----------+
     |      u_te |
     |-----------|
  1. | .65068897 |
  2. | .82889144 |
  3. |   .726426 |
  4. | .74785163 |
  5. | .69133597 |
     |-----------|
  6. |  .7765465 |
  7. | .56516872 |
  8. |  .7376817 |
  9. |  .8438898 |
10. | .75784184 |
     |-----------|
11. | .54558529 |
12. |  .9373949 |
13. | .44809726 |
14. | .61831084 |
15. | .87384364 |
     |-----------|
16. | .54952827 |
17. | .71262537 |
18. | .75907239 |
19. | .85727193 |
20. | .80651939 |
     |-----------|
21. | .72458658 |
22. | .87223608 |
23. | .83681358 |
24. | .75225797 |
25. | .52974873 |
     |-----------|
26. | .89731681 |
27. | .81013399 |
28. | .78179402 |
29. | .85610612 |
30. | .62097954 |
     |-----------|
31. | .57938274 |
32. | .74934334 |
33. | .88192577 |
34. | .42082223 |
35. | .35126304 |
     |-----------|
36. | .88908375 |
37. | .84118599 |
38. | .67868935 |
39. | .67291098 |
40. | .83853423 |
     |-----------|
41. | .75964602 |
42. | .68189621 |
43. | .80438746 |
44. | .88652995 |
45. | .74299305 |
     |-----------|
46. | .72610256 |
47. | .85341489 |
48. | .78519204 |
49. | .67207144 |
50. | .51430306 |
     |-----------|
51. | .84238127 |
52. | .85098568 |
53. | .85963834 |
54. |  .7550833 |
55. | .81649832 |
     |-----------|
56. | .75991258 |
57. | .87350764 |
58. | .66471476 |
59. |  .8567043 |
60. |  .7084284 |
     +-----------+

.
end of do-file

. sum u_te

    Variable |       Obs        Mean    Std. Dev.       Min        Max
-------------+--------------------------------------------------------
        u_te |        60    .740568    .1284494    .351263   .9373949
二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

shushu408
2013-8-13 11:40:55
蓝色 发表于 2013-8-13 00:21
同样数据stata的结果，
一样的结果啊
为什么 是 predict double u_te, te，，，，多了double？
二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

点击查看更多内容…
相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

微信QQ空间QQ微博
扫码加好友，拉您进群
各岗位、行业、专业交流群