假设我现在的模型是：
ln(Q1)=β0+β1ln(Q2)+Vi-Ui

Ui~N(mi,b2）
mi=γ1+γ2Style+γ3Industry+γ3Region

Q1为产出变量 Q2为投入变量。我考虑的三个影响因素变量为Style、Industry、Region，是Ui服从的截尾正太分布中变量。

而frontier自己用记事本导入数据的时候并不需要设定函数，只需第二列为产品变量，第三列之后设置投入变量。

请问那我的三个影响因素变量应该怎么放呢？

---------------------------------------------------------------------------------------------------------------------------------------
PS：看到其他人的模型，搬过来举个列子，可以分别看到beta0-9，delta0-9之前的系数，但不知道内部设定如何。以下
-----------------------------------------------------------------------------------------------------------------------------------------

我用的三投入单产出超越对数模型，现在修改了下模型是这样的：ln(income_it )=β0+β1*x1+β2*x2+β3*x3+β4*1/2*x1*x1+β5*1/2*x2*x2+β6*1/2*x3*x3+β7*x1*x2+β8*x1*x3+β9*x2*x3+v_it-u_it。
u_it=δ0+δ1*D1+δ2*D2+δ3*D1*D2+δ4*D3+δ5*D1*D3+δ6*D4+δ7*D1*D4+δ8*D5
修改后的ins如下：
2              1=ERROR COMPONENTS MODEL, 2=TE EFFECTS MODEL
eg2.dta         DATA FILE NAME
eg2.out         OUTPUT FILE NAME
1               1=PRODUCTION FUNCTION, 2=COST FUNCTION
y               LOGGED DEPENDENT VARIABLE (Y/N)
33              NUMBER OF CROSS-SECTIONS
9               NUMBER OF TIME PERIODS
297              NUMBER OF OBSERVATIONS IN TOTAL
9               NUMBER OF REGRESSOR VARIABLES (Xs)
y               MU (Y/N) [OR DELTA0 (Y/N) IF USING TE EFFECTS MODEL]
8               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


                                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.
运行结果如下：
coefficient     standard-error    t-ratio

  beta 0         0.10601899E+01  0.24398483E+02  0.43453109E-01
  beta 1         0.93464915E+00  0.19537617E-01  0.47838441E+02
  beta 2         0.13570159E+00  0.24726921E-01  0.54880099E+01
  beta 3        -0.22527165E-01  0.13056627E-01 -0.17253434E+01
  beta 4        -0.94381876E-01  0.14483040E-01 -0.65167174E+01
  beta 5         0.19108719E-01  0.95378638E-02  0.20034589E+01
  beta 6         0.63027403E-02  0.20846138E-02  0.30234571E+01
  beta 7         0.22999664E-01  0.12672355E-01  0.18149478E+01
  beta 8         0.13112018E-01  0.62241139E-02  0.21066482E+01
  beta 9        -0.79715434E-02  0.56668146E-02 -0.14067062E+01
  delta 0        0.51117455E+00  0.24393387E+02  0.20955456E-01
  delta 1        0.53756648E-01  0.51671441E-01  0.10403551E+01
  delta 2        0.16079622E+00  0.25542283E-01  0.62952956E+01
  delta 3       -0.47185839E-01  0.39776241E-01 -0.11862820E+01
  delta 4        0.11316185E-01  0.27369521E-01  0.41345935E+00
  delta 5       -0.93768893E-01  0.38806969E-01 -0.24162900E+01
  delta 6       -0.43620251E-01  0.31134964E-01 -0.14010054E+01
  delta 7       -0.44064206E-01  0.46117197E-01 -0.95548317E+00
  delta 8       -0.55170506E-02  0.47971264E-02 -0.11500740E+01
  sigma-squared  0.22174776E-01  0.18069968E-02  0.12271619E+02
  gamma          0.16834691E+00  0.77627848E+01  0.21686407E-01

log likelihood function =   0.14418173E+03

LR test of the one-sided error =   0.65249943E+02
with number of restrictions = *
[note that this statistic has a mixed chi-square distribution]