1.二阶段的环境变量系数分析可以侧重于正负关系；
2.第三阶段调整要根据校准公式，现在知网里有很多关于三阶段dea的文献资料。有兴趣可以看看“三阶段DEA注记--罗登跃（2011）”。
欢迎继续交流

好的，谢谢您热心的回答

看到楼主一直从15年回答到现在，真的很感动~
现在来请教一下我在做三阶段时候遇到的问题：
1.我用的是2007-2015年的30个省面板数据，现在所能想到用SFA做面板数据的方法是一年一年的回归，但是我在回归的时候把7个环境变量放一起的回归结果特别差，基本都不显著，LR值也很小。但是我一个一个变量的回归，结果是好的，现在的问题就是我不知道是我哪一个变量出现了问题，导致7个变量一起回归的结果很差，也不知道该怎么换变量回归，请问楼主出现这种现象的原因是什么，我该怎么解决呢？
2.想请教一下SFA回归结果的正负号具体含义是什么，跟stata做的那种一般回归含义是不一样的吗？比如我写的是财政科技支出效率，环境变量是人均gdp，如果回归系数是负数请问具体含义是什么？
感谢您的答疑解惑~

非常感谢楼主，从一楼看到现在，很佩服楼主一直回帖，从2015年到2018年。我现在也在做毕业论文，要用三阶段DEA，看完了以上的帖子，我还是有几个问题想问楼主。
1.第一阶段我选用三个投入指标三个产出指标，用的是BCC模型，在做这一步的时候因为投入产出有负数，进行了无量纲化处理，得到了DEA的结果。但是我的DMU有1443个，样本很多，其冗余变量还是需要一个个按照如果是按照 radial movement +slack movement 吗？第一阶段所得input slack得出的 是所有投入指标的冗余变量吗？
2.第一阶段得到的冗余指标都是负数，怎么转化成正数，是直接用它们的绝对值吗？
3.在第二阶段用Frontier计算结果时，环境变量是固定不变的吧，然后按照每个的投入指标，计算出结果？比如说，我有三个投入冗余，两个环境因素，我是分别用每一个投入冗余指标加两个环境指标计算一遍SFA，对吧？
希望楼主能回复下我的问题，谢谢非常感谢！

问题1.环境变量较多，参数不显著。环境变量较多则易产生共线性问题，从而导致不显著的情况。针对这种情况，一方面依据经济逻辑体系剔除共性变量，另一方面进行变量间相关系数计算，剔除相关性较高的变量。
问题2.sfa参数符号的解释。sfa的符号解释与通常的经济解释有所不同，通常的经济解释是A（自变量）对B（因变量）的影响，但SFA的经济解释是A对B-（因变量/投入变量的冗余项）的影响，换言之，当人均GDP对研发投入冗余的系数估计为负时，则言人均GDP的提高有利于降低研发投入，从而提高财政科技支出效率。
拙见，仅供参考。

1.radial+slack计算方式亦可，但比较繁琐。建议利用结果文件里的input targets数据表，用原始投入数据减去此表即可得投入冗余值。
2.（在input orient下）不会是负数。
3.是的。
祝顺利~

楼主您好，今儿下午看到您的帖子，如获至宝，特别感谢，也特别钦佩您能一直回帖。我也在用此方法写毕业论文，采用的投入导向模型，但是我用原始数据减去input targrt得到的投入抗余有负值，照理说不该有，但是偏偏是负值，这可能是什么原因造成的，如果是负值，怎么处理，需要换别的软件么？期待回复。

感谢楼主的回复，能不能帮我看下运行的时候出错，提示是下面这个，这是什么原因。冗余变量我的是非负数，所以不知道错在哪里"Do you wish to type instructions at the terminal (t)
or use an instruction file (f) ?  f

enter instruction file name :  2013x1.ins

Invalid decimal character Y was detected (unit=50).
(the relative position causing an error in a record = 0 )
Y               ETA (Y/N) [OR NUMBER OF TE EFFECTS REGRESSORS (Zs)]
?
Error occurs at or near line 913 of _info_
Called from or near line 46 of _MAIN__
“
附上我的ins文件，你帮我看看
“2               1=ERROR COMPONENTS MODEL, 2=TE EFFECTS MODEL
2013x1.dta         DATA FILE NAME
2013x1.out         OUTPUT FILE NAME
2               1=PRODUCTION FUNCTION, 2=COST FUNCTION
n               LOGGED DEPENDENT VARIABLE (Y/N)
1443              NUMBER OF CROSS-SECTIONS
1               NUMBER OF TIME PERIODS
1443              NUMBER OF OBSERVATIONS IN TOTAL
2               NUMBER OF REGRESSOR VARIABLES (Xs)
n               MU (Y/N) [OR DELTA0 (Y/N) IF USING TE EFFECTS MODEL]
Y               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.”
感谢楼主

第11行我试了n也是没用的

大神不用回了，不好意思，是我的数据问题，依旧为楼主打call

选择的环境指标可以为负值么？

楼主，我看了前面几个人的附件，有个问题想请教你，在做第一阶段的DEA时，是需要对投入和产出指标做无量纲化处理，因为DEA不能有负数，这样坐下来的话，我发现我的松弛变量很小，因为无量纲化了，所以在第二阶段做SFA时，被解释变量就很小，他们这几个人的值都很大，是因为他们在第一阶段投入产出指标均为正数，不需要用0.1+0.9（x-minx）/(maxx-minx)这一公式做处理的吗？

各位大神，正在写毕业论文，对第二阶段了解不够，查到的资料也有限，请教大神，为什么我的ce都小于1呀？

instruction file = 2010-1.ins  
data file =        2010-1.dta  


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

the final mle estimates are :

                 coefficient     standard-error    t-ratio

  beta 0        -0.33778394E+02  0.10003408E+01 -0.33766885E+02
  beta 1         0.34200813E+01  0.16920341E-01  0.20212839E+03
  beta 2        -0.70775397E+02  0.10520066E+01 -0.67276569E+02
  beta 3        -0.47439719E+02  0.12672121E+01 -0.37436288E+02
  beta 4        -0.19486081E+04  0.16423813E+01 -0.11864529E+04
  beta 5         0.22768249E+03  0.33129524E+01  0.68724952E+02
  beta 6         0.17493475E+02  0.11514289E+01  0.15192840E+02
  beta 7        -0.87628231E+03  0.10998736E+01 -0.79671182E+03
  sigma-squared  0.52444743E+08  0.10000000E+01  0.52444743E+08
  gamma          0.99999999E+00  0.10012922E-06  0.99870945E+07
  mu            -0.36893223E+01  0.11974587E+01 -0.30809600E+01
   eta is restricted to be zero

log likelihood function =  -0.26580639E+03

LR test of the one-sided error =   0.21730921E+02
with number of restrictions = 2


cost efficiency estimates :


     firm             eff.-est.

       1           0.10000000E+01
       2           0.10000000E+01
       3           0.10000000E+01
       4           0.10000000E+01
       5           0.10000000E+01
       6           0.10000000E+01
       7           0.10000000E+01
       8           0.10000000E+01
       9           0.10000000E+01
      10           0.10000000E+01
      11           0.10000000E+01
      12           0.10000000E+01
      13           0.10000000E+01
      14           0.10000000E+01
      15           0.10000000E+01
      16           0.10000000E+01
      17           0.10000000E+01
      18           0.10000000E+01
      19           0.10000000E+01
      20           0.10000000E+01
      21           0.10000000E+01
      22           0.10000000E+01
      23           0.10000000E+01
      24           0.10000000E+01
      25           0.10000000E+01
      26           0.10000000E+01
      27           0.10000000E+01
      28           0.10000000E+01


mean efficiency =   0.10000000E+01

借用楼主的平台，想问下有没有遇到过frontier4.1计算出来的结果只迭代了一次，且T值与系数的值竟然是一样的，问题是出在哪里啊？我是将所有的数据都做了无量纲化处理的。因为有一些数据有负数，又不能去掉那些有负数项的决策变量。
the ols estimates are :

                 coefficient     standard-error    t-ratio

  beta 0         0.71979299E-02  0.40170706E-02  0.17918356E+01
  beta 1         0.27192751E-06  0.10641503E-06  0.25553486E+01
  beta 2        -0.62320020E-06  0.38559531E-06 -0.16162028E+01
  sigma-squared  0.15993184E-02

log likelihood function =   0.13606165E+04

the estimates after the grid search were :

  beta 0        -0.38436154E-01
  beta 1         0.27192751E-06
  beta 2        -0.62320020E-06
  sigma-squared  0.36754330E-02
  gamma          0.89000000E+00
   mu is restricted to be zero
   eta is restricted to be zero


iteration =     0  func evals =     20  llf =  0.15456902E+04
    -0.38436154E-01 0.27192751E-06-0.62320020E-06 0.36754330E-02 0.89000000E+00
gradient step
pt better than entering pt cannot be found
iteration =     1  func evals =     28  llf =  0.15456902E+04
    -0.38436154E-01 0.27192751E-06-0.62320020E-06 0.36754330E-02 0.89000000E+00


the final mle estimates are :

                 coefficient     standard-error    t-ratio

  beta 0        -0.38436154E-01  0.10000000E+01 -0.38436154E-01
  beta 1         0.27192751E-06  0.10000000E+01  0.27192751E-06
  beta 2        -0.62320020E-06  0.10000000E+01 -0.62320020E-06
  sigma-squared  0.36754330E-02  0.10000000E+01  0.36754330E-02
  gamma          0.89000000E+00  0.10000000E+01  0.89000000E+00
   mu is restricted to be zero
   eta is restricted to be zero

log likelihood function =   0.15456902E+04

LR test of the one-sided error =   0.37014737E+03
with number of restrictions = 1

不可为负。

不需要的，第二阶段SFA的参数估计结果分析，重点在于环境变量对投入冗余值的影响机制，这一机制是无量纲化所不能改变的。还有一点，第一阶段已经做了无量纲化，第二阶段再去无量纲化，那么第三阶段的调整就会显得比较繁琐了。

不需要的，第二阶段SFA的参数估计结果分析，重点在于环境变量对投入冗余值的影响机制，这一机制是无量纲化所不能改变的。还有一点，第一阶段已经做了无量纲化，第二阶段再去无量纲化，那么第三阶段的调整就会显得比较繁琐了。

这是等于1  "E+01"是科学计数法 表示0.1*10。不过，这份结果依然不佳。

没遇见过，系数值和t检验值完全一致的概率还是比较低的。建议换个电脑或者重新下个frontier试试。

感谢楼主之前的回复，现在又再一次的从一楼开始看这个帖子。针对您上述的回复说“投入产出变量不要标准化”，我有个疑问，这个是在第一阶段还是第二阶段的不需要标准化，因为一些投入产出变量存在负数的情况，所以在第一阶段必须经过标准化处理才能使用deap2.1软件进行测算，我是在第一阶段通过0-1标准化处理（很多文献都是用这个公式）。那么，我在第二阶段求松弛变量时，也应该是用0-1标准化处理后的投入值减去SUMMARY OF INPUT TARGETS值，得到松弛变量吧，这应该都没有问题。环境变量也没有进行标准化处理，使用的是原始数据，但是得到的环境变量系数值还是与T值是一致的，我也看了之前有人的结果，也出现过类似的，只不过是个别环境变量值与T值是一致的。楼主对此有什么好的见解

你的思路是可行的。若需要标准化，则在第一段就须进行，而第二阶段投入冗余值则不要再二次标准化。

感谢楼主，在计算松弛变量时，我想到了讲0-1标准化处理后的投入指标减去SUMMARY OF INPUT TARGETS，得到的是0-1之间的一个松弛变量值，因为在第一阶段经过的0-1标准化，所以我将此时的松弛变量值还原成未经标准化的值，例如我是通过 0.1+0.9*（x-minx）/(maxx-minx)将数据0-1标准化，进行deap测算效率值，得到SUMMARY OF INPUT TARGETS的结果，然后用经过 0.1+0.9*（x-minx）/(maxx-minx)处理的值减去SUMMARY OF INPUT TARGETS，得到松弛变量，不妨设松弛变量为m，最后根据 0.1+0.9*（x-minx）/(maxx-minx)=m这个公式，还原出真实的松弛变量x。我试了一下，得到的结果如下图，楼主您帮我看下结果如何？是不是除了环境变量3的T值不显著，其他都是显著的


                 coefficient     standard-error    t-ratio

  beta 0        -0.12305124E+02  0.25698724E+00 -0.47882236E+02
  beta 1        -0.32439864E-05  0.27831800E-05 -0.11655683E+01
  beta 2         0.14334713E-04  0.21151187E-04  0.67772618E+00
  beta 3         0.15349137E-06  0.95523638E-07  0.16068418E+01
  sigma-squared  0.90993558E+03  0.30719240E+01  0.29621032E+03
  gamma          0.99999999E+00  0.49226320E-07  0.20314336E+08
   mu is restricted to be zero
   eta is restricted to be zero

log likelihood function =  -0.51217943E+04

LR test of the one-sided error =   0.50148361E+03
with number of restrictions = 1
[note that this statistic has a mixed chi-square distribution]

number of iterations =     29

                 coefficient     standard-error    t-ratio

  beta 0        -0.12305124E+02  0.25698724E+00 -0.47882236E+02
  beta 1        -0.32439864E-05  0.27831800E-05 -0.11655683E+01
  beta 2         0.14334713E-04  0.21151187E-04  0.67772618E+00
  beta 3         0.15349137E-06  0.95523638E-07  0.16068418E+01
  sigma-squared  0.90993558E+03  0.30719240E+01  0.29621032E+03
  gamma          0.99999999E+00  0.49226320E-07  0.20314336E+08
   mu is restricted to be zero
   eta is restricted to be zero

log likelihood function =  -0.51217943E+04

LR test of the one-sided error =   0.50148361E+03
with number of restrictions = 1
[note that this statistic has a mixed chi-square distribution]

number of iterations =     29

你好，请问楼主，决策变量有21个，投入变量有一个，产出变量有三个，结果松弛量基本都是零，是不是不能进行第二阶段啊？

楼主你好  你还在吗  
我进行完第二阶段用frontier
运行后的结果  
gamma值都为1   Sigma值特别大  不知道哪里出现了问题

不能，保证投入变量要比产出变量多

gamma值的计算方式是（管理无效率/管理无效率+随机误差），若接近1，说明环境变量对投入变量造成了显著地干扰，应当对环境变量予以必要考虑。sigma值的大小与模型是否合理没有必然关系，它是管理无效率和随机误差的均方误差之和，通过sigma值可以计算管理无效率。

请教一下，二阶段的时候调整看用ols  还是final   的系数和显著哇，我有30个10年的数据 可以当做截面数据一起回归么，我只用来调整数据，把每年每个公司当做一个样本DMU看待可以么       一直困惑于为什么不能所有的一起回归    谢谢这个帖子，对我帮助很大   
Error Components Frontier (see B&C 1992)
The model is a cost function
The dependent variable is not logged


the ols estimates are :

                 coefficient     standard-error    t-ratio

  beta 0        -0.52920141E+00  0.41226997E+00 -0.12836283E+01
  beta 1         0.11842158E-02  0.27498626E-03  0.43064543E+01
  beta 2        -0.76108920E-02  0.33138758E-02 -0.22966739E+01
  beta 3         0.11257156E+00  0.22440267E-01  0.50164980E+01
  beta 4         0.11751994E-02  0.42436781E-02  0.27692943E+00
  beta 5        -0.50886746E-01  0.39526906E-01 -0.12873951E+01
  sigma-squared  0.44666796E+01

log likelihood function =  -0.82053531E+03

the final mle estimates are :

                 coefficient     standard-error    t-ratio

  beta 0        -0.18219205E+00  0.55043146E-01 -0.33099861E+01
  beta 1        -0.12907431E-03  0.73815265E-04 -0.17486127E+01
  beta 2        -0.21747254E-02  0.10929961E-02 -0.19896919E+01
  beta 3         0.12442684E-01  0.51473808E-02  0.24172845E+01
  beta 4        -0.59679314E-03  0.14817541E-02 -0.40276126E+00
  beta 5         0.56792195E-02  0.75799103E-02  0.74924627E+00
  sigma-squared  0.76655248E+01  0.11905037E+01  0.64388923E+01
  gamma          0.99995509E+00  0.36940990E-03  0.27068984E+04
  mu            -0.53265482E+01  0.95107526E+00 -0.56005538E+01
  eta            0.00000000E+00  0.10000000E+01  0.00000000E+00

你好  再请问一下  投入冗余为0要放进去一起SFA回归调整么   还是说单把有冗余的提出来做回归再调整        冗余为0依旧是0 不需要调整

你好  请教一下SFA回归结果显著性的系数是看ols最小二乘  还是是final最大似然呀     可能把30个公司10年的数据当做截面数据一起回归调整么    把每年每个公司作为一样DMU样本   不考虑时间上的分析      一直搞不懂为啥DEA可以当做截面数据直接全部计算，而SFA却不可以的诶