用frontier分析结果出现问题，请教高手

8579

收藏 2009-06-17

想要分析生猪养殖不同规模的效率问题，用面板数据，每年80个样本，共6年数据进行分析。如果用CD生产函数模型进行分析结果没有问题，可是如果用技术中性的超越对数生产函数分析，估计结果如下：得到的每年的技术效率都一样,问题出在那里?请高手赐教,万分感谢.
1             1=ERROR COMPONENTS MODEL, 2=TE EFFECTS MODEL
tr2.dta       DATA FILE NAME
tr2.out       OUTPUT FILE NAME
1             1=PRODUCTION FUNCTION, 2=COST FUNCTION
y             LOGGED DEPENDENT VARIABLE (Y/N)
80             NUMBER OF CROSS-SECTIONS
6             NUMBER OF TIME PERIODS
480          NUMBER OF OBSERVATIONS IN TOTAL
15             NUMBER OF REGRESSOR VARIABLES (Xs)
Y             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.
the final mle estimates are :
               coefficient    standard-error t-ratio
  beta 0       -0.48362151E+01  0.10000000E+01 -0.48362151E+01
  beta 1       0.52152261E-01  0.10000000E+01  0.52152261E-01
  beta 2       0.15596202E+01  0.10000000E+01  0.15596202E+01
  beta 3       0.12294481E+01  0.10000000E+01  0.12294481E+01
  beta 4       0.11591420E+01  0.10000000E+01  0.11591420E+01
  beta 5       0.95976234E-02  0.10000000E+01  0.95976234E-02
  beta 6       -0.48330121E-01  0.10000000E+01 -0.48330121E-01
  beta 7       -0.27089499E-02  0.10000000E+01 -0.27089499E-02
  beta 8       0.43349368E-01  0.10000000E+01  0.43349368E-01
  beta 9       -0.17698714E-01  0.10000000E+01 -0.17698714E-01
  beta10       -0.36211612E-01  0.10000000E+01 -0.36211612E-01
  beta11       -0.19410827E+00  0.10000000E+01 -0.19410827E+00
  beta12       -0.11910211E+00  0.10000000E+01 -0.11910211E+00
  beta13       -0.73167896E-01  0.10000000E+01 -0.73167896E-01
  beta14       -0.10498672E-02  0.10000000E+01 -0.10498672E-02
  beta15       0.65802145E-02  0.10000000E+01  0.65802145E-02
  sigma-squared  0.78092794E-02  0.10000000E+01  0.78092794E-02
  gamma       0.68000000E+00  0.10000000E+01  0.68000000E+00
  mu          0.00000000E+00  0.10000000E+01  0.00000000E+00
  eta          0.00000000E+00  0.10000000E+01  0.00000000E+00
log likelihood function = 0.67639930E+03
LR test of the one-sided error = 0.11354046E+03
with number of restrictions = 3
[note that this statistic has a mixed chi-square distribution]
number of iterations =    1
(maximum number of iterations set at : 100)
number of cross-sections =    80
number of time periods =    6
total number of observations = 480
thus there are:    0  obsns not in the panel

technical efficiency estimates :

efficiency estimates for year    1 :
   firm          eff.-est.
   1          0.97170502E+00
   2          0.97697659E+00
   3          0.98013832E+00
   4          0.99037321E+00
   5          0.95611261E+00
   6          0.93209434E+00
   7          0.99089211E+00
   8          0.93453821E+00
   9          0.97818312E+00
   10          0.96667362E+00
   11          0.92322724E+00
   12          0.95031424E+00
   13          0.89458513E+00
   14          0.92317893E+00
   15          0.94647475E+00
   16          0.93690453E+00
   17          0.96672425E+00
   18          0.98465733E+00
   19          0.90597041E+00
   20          0.94484994E+00
   21          0.96149912E+00
   22          0.95634897E+00
   23          0.95738714E+00
   24          0.99178092E+00
   25          0.92957659E+00
   26          0.90069890E+00
   27          0.97646169E+00
   28          0.96340602E+00
   29          0.97390353E+00
   30          0.93835277E+00
   31          0.96147189E+00
   32          0.99578393E+00
   33          0.94785821E+00
   34          0.93851759E+00
   35          0.89817946E+00
   36          0.90585840E+00
   37          0.98789795E+00
   38          0.95955731E+00
   39          0.91390484E+00
   40          0.85237066E+00
   41          0.92615052E+00
   42          0.94195278E+00
   43          0.94578816E+00
   44          0.98922499E+00
   45          0.93497212E+00
   46          0.88748118E+00
   47          0.98684241E+00
   48          0.93804995E+00
   49          0.97623528E+00
   50          0.91492013E+00
   51          0.94120080E+00
   52          0.98693255E+00
   53          0.97221139E+00
   54          0.92240951E+00
   55          0.91739410E+00
   56          0.87092168E+00
   57          0.98881884E+00
   58          0.96112513E+00
   59          0.91978564E+00
   60          0.91305750E+00
   61          0.92346994E+00
   62          0.91973672E+00
   63          0.92338746E+00
   64          0.98133974E+00
   65          0.90212428E+00
   66          0.91770219E+00
   67          0.91666810E+00
   68          0.87871598E+00
   69          0.94101316E+00
   70          0.89030900E+00
   71          0.92134060E+00
   72          0.93285927E+00
   73          0.93936980E+00
   74          0.89462833E+00
   75          0.92571870E+00
   76          0.93180679E+00
   77          0.97253312E+00
   78          0.93934838E+00
   79          0.91954370E+00
   80          0.99655462E+00

mean eff. in year 1 =  0.94211293E+00

efficiency estimates for year    2 :
   firm          eff.-est.
   1          0.97170502E+00
   2          0.97697659E+00
   3          0.98013832E+00
   4          0.99037321E+00
   5          0.95611261E+00
   6          0.93209434E+00
   7          0.99089211E+00
   8          0.93453821E+00
   9          0.97818312E+00
   10          0.96667362E+00
   11          0.92322724E+00
   12          0.95031424E+00
   13          0.89458513E+00
   14          0.92317893E+00
   15          0.94647475E+00
   16          0.93690453E+00
   17          0.96672425E+00
   18          0.98465733E+00
   19          0.90597041E+00
   20          0.94484994E+00
   21          0.96149912E+00
   22          0.95634897E+00
   23          0.95738714E+00
   24          0.99178092E+00
   25          0.92957659E+00
   26          0.90069890E+00
   27          0.97646169E+00
   28          0.96340602E+00
   29          0.97390353E+00
   30          0.93835277E+00
   31          0.96147189E+00
   32          0.99578393E+00
   33          0.94785821E+00
   34          0.93851759E+00
   35          0.89817946E+00
   36          0.90585840E+00
   37          0.98789795E+00
   38          0.95955731E+00
   39          0.91390484E+00
   40          0.85237066E+00
   41          0.92615052E+00
   42          0.94195278E+00
   43          0.94578816E+00
   44          0.98922499E+00
   45          0.93497212E+00
   46          0.88748118E+00
   47          0.98684241E+00
   48          0.93804995E+00
   49          0.97623528E+00
   50          0.91492013E+00
   51          0.94120080E+00
   52          0.98693255E+00
   53          0.97221139E+00
   54          0.92240951E+00
   55          0.91739410E+00
   56          0.87092168E+00
   57          0.98881884E+00
   58          0.96112513E+00
   59          0.91978564E+00
   60          0.91305750E+00
   61          0.92346994E+00
   62          0.91973672E+00
   63          0.92338746E+00
   64          0.98133974E+00
   65          0.90212428E+00
   66          0.91770219E+00
   67          0.91666810E+00
   68          0.87871598E+00
   69          0.94101316E+00
   70          0.89030900E+00
   71          0.92134060E+00
   72          0.93285927E+00
   73          0.93936980E+00
   74          0.89462833E+00
   75          0.92571870E+00
   76          0.93180679E+00
   77          0.97253312E+00
   78          0.93934838E+00
   79          0.91954370E+00
   80          0.99655462E+00

mean eff. in year 2 =  0.94211293E+00

之前没有接触过，是新手,所以很多问题不明白，希望高手指教,谢谢

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

ping33

2009-7-9 17:39:25

好像估计结果不对，基本都一样

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

ping33

2009-7-9 17:41:23

拿里边处理过的数据就已经是迭代处理过的
我觉得不用超越对数的方法
不行你试试
普通方法就可以得到一个正确的结果

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

静灵

2009-8-3 23:11:50

怎么我的结果没有分年的:请LZ赐教
technical efficiency estimates :

   firm          eff.-est.

   1          0.42566816E+00
   2          0.91204056E+00
   3          0.39905700E+00
   4          0.37540828E+00
   5          0.60789482E+00
   6          0.45202440E+00
   7          0.54467464E+00
   8          0.43829477E+00
   9          0.92975089E+00
   10          0.36934103E+00
   11          0.29294878E+00
   12          0.33351621E+00
   13          0.45755721E+00
   14          0.39099929E+00
   15          0.24213588E+00
   16          0.35323129E+00
   17          0.34354429E+00
   18          0.32868551E+00
   19          0.29997490E+00
   20          0.30527505E+00
   21          0.24109197E+00
   22          0.34808710E+00
   23          0.78952074E-01
   24          0.42767276E+00
   25          0.58801594E+00
   26          0.76498910E+00
   27          0.96664838E+00
   28          0.60929624E+00

mean efficiency = 0.45809916E+00

summary of panel of observations:
(1 = observed, 0 = not observed)

  t: 1 2 3 4 5 6 7 8 9  10  11  12  13  14  15  16  17  18  19  20  21  22  23  24  25  26  27  28  29  30
n
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1  30
2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1  30
3 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1  30
4 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1  30
5 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1  30
6 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1  30
7 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1  30
8 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1  30
9 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1  30
  10 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1  30
  11 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1  30
  12 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1  30
  13 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1  30
  14 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1  30
  15 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1  30
  16 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1  30
  17 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1  30
  18 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1  30
  19 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1  30
  20 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1  30
  21 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1  30
  22 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1  30
  23 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1  30
  24 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1  30
  25 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1  30
  26 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1  30
  27 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1  30
  28 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1  30

   28  28  28  28  28  28  28  28  28  28  28  28  28  28  28  28  28  28  28  28  28  28  28  28  28  28  28  28  28  28 840

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

likeesong

2010-1-5 16:46:03

你的dta数据是怎么排列的？我不知到生猪规模的区分你如何体现 ?能不能把dta的数据的前几行发上来？我看看再研究

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

likeesong

2010-1-5 16:47:46

4# 静灵
如果你有3个年份，
Frontier是一款专门用于完成随机前沿分析的软件，它可以用最大似然法估计随机前沿成本模型(Stochastic Frontier Cost Model)和随机前沿生产模型(Stochastic Frontier Production Model)。
在这里，我们主要简单介绍一下Frontier的使用方法，暂时不对随机前沿这个方法做详细的展开。
您可以在本工作室的分享站获得该软件，点击此处前往，提取码为：090325012839s6ffz
程序解包后，最主要的是4个文件，Front41.exe, Front41.000, Front41.for, Front41.eer。这是程序运行所必须的。程序还附带了有一个例子，原数据文件是Eg1.xls。Front41进行一次运算需要有数据文件、命令文件和输出文件，当然，输出文件是程序自动生成的。但我们必须在程序文件中指定输出文件名。
现在我们首先介绍一下数据文件。用记事本打开EG1-dta.txt，会发现这是一个纯文本文件。数据文件的格式必须是3+k[+p]列，并且是按照一下顺序
1）评价体系的序号i DMU （1-N）
2）期数t（1-T）
3）因变量Yit
4）自变量x1it
……
3+k） xkit
[3+k+1） z1it
……
3+k+p） zpit
注：z只在用模型2估计时才被用到。
对于N个评价体系中，每一个必须有一条记录，对于第1期和第T期，至少要有一条记录。如果您用的是单一的横截面数据，那么这一列（即第二列）全赋值为1。
数据文件中不能包含变量名，但是您可以从excel中直接复制过去，得到带tab制表符的数据
命令文件：
程序有两种方式接受命令，在运行程序后会让您首先选择。如果选t，即直接输入命令，选f则是从命令文件中读取，程序会提示您指定程序文件名。通常我们选择从文件读取，方便我们修改程序。
我们可以参照示例进行修改
第一行：模型的选择 1=ERROR COMPONENTS MODEL, 2=TE EFFECTS MODEL
第二行：数据文件名
第三行：输出文件名
第四行：选择生产模型或在成本模型
5：变量是不是已经进行对数运算
6：评价体系数目
7：时期数目
8：总记录数
9：自变量个数
10：假设U的分布。y表示截断分布，n表示半正态分布
11：y表示time-varying；n表示time-invariant。当我们只有一个时期的数据时，选n
12：选n，否则我们要手动知道格点搜索的初始值
其余的可以不修改，然后保存。
程序按照3步完成，我们主要获取最终的最大似然法得到的系数的估计，即检验，以及TE的估计。
，