做三阶段DEA模型，第二阶段随机前沿分析结果如下，请问如何得到投入调整项，做第三阶段。看到有人说冗余项问题，请问从结果中怎么看出冗余项，或者是实际值和最优值。顺便看看结果有没有不合理的地方。求高手指点~~谢谢！
Frontier结果如下：
Output from the program FRONTIER (Version 4.1c)

instruction file = 2.ins      
data file =        2.dta      

Error Components Frontier (see B&C 1992)
The model is a production function
The dependent variable is not logged

the ols estimates are :
                 coefficient     standard-error    t-ratio
  beta 0        -0.63646150E+02  0.24816271E+02 -0.25646944E+01
  beta 1         0.97407945E-05  0.69556802E-05  0.14004086E+01
  beta 2         0.21305168E+03  0.46685713E+02  0.45635306E+01
  sigma-squared  0.41304394E+04
log likelihood function =  -0.80787543E+03
the estimates after the grid search were :
  beta 0         0.81373526E+01
  beta 1         0.97407945E-05
  beta 2         0.21305168E+03
  sigma-squared  0.91978533E+04
  gamma          0.88000000E+00
   mu is restricted to be zero
  eta            0.00000000E+00


iteration =     0  func evals =     20  llf = -0.76118249E+03
     0.81373526E+01 0.97407945E-05 0.21305168E+03 0.91978533E+04 0.88000000E+00
     0.00000000E+00
gradient step
iteration =     5  func evals =     81  llf = -0.75058112E+03
     0.34458334E+02 0.16068877E-04 0.22512571E+03 0.91978644E+04 0.89695757E+00
     0.16392841E-01
iteration =    10  func evals =    195  llf = -0.74883556E+03
     0.57074505E+02 0.12818264E-04 0.20263481E+03 0.91982546E+04 0.91471491E+00
     0.10198098E-01
iteration =    15  func evals =    325  llf = -0.74577691E+03
     0.83276912E+02 0.13370602E-04 0.16526145E+03 0.91988374E+04 0.92302273E+00
     0.21311890E-01
iteration =    20  func evals =    446  llf = -0.74427797E+03
     0.11769823E+03 0.12276196E-04 0.12003268E+03 0.91995710E+04 0.92491498E+00
     0.19897549E-01
iteration =    25  func evals =    580  llf = -0.74402411E+03
     0.11880329E+03 0.11529984E-04 0.12424679E+03 0.93825625E+04 0.93085302E+00
     0.19466084E-01
iteration =    30  func evals =    721  llf = -0.74312622E+03
     0.12273337E+03 0.12418299E-04 0.11243188E+03 0.99955776E+04 0.93915630E+00
     0.18940012E-01
iteration =    35  func evals =    848  llf = -0.74306576E+03
     0.12661818E+03 0.12484081E-04 0.10748486E+03 0.10078011E+05 0.93975857E+00
     0.22435576E-01
iteration =    40  func evals =    999  llf = -0.74286498E+03
     0.11708929E+03 0.13661856E-04 0.11213992E+03 0.10351155E+05 0.93594035E+00
     0.23636164E-01
iteration =    45  func evals =   1137  llf = -0.74282149E+03
     0.11444553E+03 0.13994904E-04 0.11337130E+03 0.10617728E+05 0.93771398E+00
     0.23628725E-01
iteration =    50  func evals =   1272  llf = -0.74241455E+03
     0.12576177E+03 0.13426278E-04 0.10453725E+03 0.10951494E+05 0.94628576E+00
     0.22562590E-01
iteration =    55  func evals =   1416  llf = -0.74159668E+03
     0.14374276E+03 0.14741576E-04 0.84672984E+02 0.11766121E+05 0.94850537E+00
     0.27013683E-01
iteration =    60  func evals =   1552  llf = -0.74052489E+03
     0.16808598E+03 0.14187179E-04 0.70151139E+02 0.12352234E+05 0.95046786E+00
     0.22719760E-01
iteration =    65  func evals =   1686  llf = -0.74027910E+03
     0.17692242E+03 0.14260752E-04 0.59115544E+02 0.12792201E+05 0.95560080E+00
     0.18010423E-01
iteration =    70  func evals =   1831  llf = -0.73975743E+03
     0.16308521E+03 0.14653321E-04 0.72198866E+02 0.13115498E+05 0.95857362E+00
     0.20521170E-01
iteration =    75  func evals =   1966  llf = -0.73955709E+03
     0.16719752E+03 0.14142909E-04 0.68914206E+02 0.13588534E+05 0.96217556E+00
     0.19650422E-01
iteration =    80  func evals =   2113  llf = -0.73938524E+03
     0.15756876E+03 0.14794863E-04 0.77161216E+02 0.13820303E+05 0.96215850E+00
     0.20560286E-01
iteration =    85  func evals =   2257  llf = -0.73893004E+03
     0.17131346E+03 0.15661203E-04 0.64102391E+02 0.14243135E+05 0.96117715E+00
     0.19804635E-01
iteration =    90  func evals =   2399  llf = -0.73874209E+03
     0.18178358E+03 0.15802185E-04 0.54947637E+02 0.14811914E+05 0.96116866E+00
     0.20088306E-01
iteration =    95  func evals =   2551  llf = -0.73783939E+03
     0.19625227E+03 0.12795459E-04 0.47377018E+02 0.15527030E+05 0.96814148E+00
     0.16807640E-01
maximum number of iterations reached
iteration =   100  func evals =   2660  llf = -0.73780420E+03
     0.19968629E+03 0.12242235E-04 0.47394116E+02 0.15564183E+05 0.96873619E+00
     0.16119161E-01

the final mle estimates are :
                 coefficient     standard-error    t-ratio
  beta 0         0.19968629E+03  0.25537022E+02  0.78194823E+01
  beta 1         0.12242235E-04  0.39160415E-05  0.31261760E+01
  beta 2         0.47394116E+02  0.25347647E+02  0.18697639E+01
  sigma-squared  0.15564183E+05  0.14685054E+04  0.10598656E+02
  gamma          0.96873619E+00  0.57490231E-02  0.16850449E+03
   mu is restricted to be zero
  eta            0.16119161E-01  0.69924618E-02  0.23052198E+01
log likelihood function =  -0.73780537E+03
LR test of the one-sided error =   0.14014013E+03
with number of restrictions = 2
[note that this statistic has a mixed chi-square distribution]
number of iterations =    100
(maximum number of iterations set at :   100)
number of cross-sections =     29
number of time periods =      5
total number of observations =    145
thus there are:      0  obsns not in the panel

covariance matrix :
  0.65213949E+03 -0.51640000E-04 -0.57684199E+03  0.25256357E+05  0.79865660E-01
-0.98634725E-02
-0.51640000E-04  0.15335381E-10  0.38912110E-04  0.56286930E-03 -0.50206486E-08
-0.50902253E-08
-0.57684199E+03  0.38912110E-04  0.64250321E+03 -0.23349062E+05 -0.58307642E-01
  0.11594707E-01
  0.25256357E+05  0.56286930E-03 -0.23349062E+05  0.21565080E+07  0.68402790E+01
-0.47368930E+00
  0.79865660E-01 -0.50206486E-08 -0.58307642E-01  0.68402790E+01  0.33051266E-04
-0.47525051E-05
-0.98634725E-02 -0.50902253E-08  0.11594707E-01 -0.47368930E+00 -0.47525051E-05
  0.48894522E-04

technical efficiency estimates :

efficiency estimates for year      1 :
     firm             eff.-est.
       1           0.10999430E-01
       2          -0.24745802E-01
       3           0.45215049E+00
       4           0.19543527E+00
       5          -0.25676051E-01
       6           0.25232248E+00
       7           0.28133206E+00
       8          -0.25756669E-01
       9           0.22961763E-01
      10           0.81931282E+00
      11           0.53776180E+00
      12           0.41340377E+00
      13           0.43585622E+00
      14           0.88369491E-01
      15          -0.25684636E-01
      16           0.34577511E-01
      17           0.35430336E+00
      18          -0.25715443E-01
      19          -0.25793932E-01
      20          -0.25682679E-01
      21          -0.25752774E-01
      22          -0.25776489E-01
      23          -0.25528096E-01
      24           0.75118567E-01
      25           0.98630221E+00
      26          -0.25160510E-01
      27           0.24042315E+00
      28           0.33128013E+00
      29          -0.25776460E-01

mean eff. in year   1 =  0.18016762E+00
其他时期省略