<a target="_blank" href="http://shang.qq.com/wpa/qunwpa?idkey=7d111485c7af36b087054c18b3086334ef7cf06a7a06990cf9a5bd9e1b2df906"><img border="0" src="http://pub.idqqimg.com/wpa/images/group.png" alt="216宿舍" title="216宿舍"></a>

同学 你好  请问一下你的问题最后是怎么解决的啊我现在用sfa求中国商业银行的cost efficiency 最后的结果也是跟你好像啊  所有数据都是0.99几。。。而且特别相近 这样根本无法比较啊55555

请问i一步法在stata中如何实现呢？

请问连老师，官方命令和外部命令，在计算sfa时有什么大的区别吗？谢谢

过了这么久请问您现在还有程序吗？

不好意思。现在没有这个小程序啦。换了几个电脑，内容遗失了。

好的，谢谢

果然是好贴，最近这些微观的方法大家认可越来越高

我已经用wage, Tobin's Q间接计算了效率，再用TFP计算了manufacturer的效率，是否有必要再用SFA/DEA计算效率？

u=0意思就是技术无效率为0，那就没必要用SFA了，其相应的方差占比应该也接近0。重点是你有回归不收敛的问题，我觉得还是先解决这个问题后再看看回归结果会不会变化。

在STATA中实现随机前沿分析（Stochastic Frontier Analysis, SFA），确实可以遵循你提到的方法。这种方法被广泛应用于估计生产函数或成本函数，并分离出技术和非技术性效率的影响。

以下是使用STATA进行SFA的基本步骤：

1. **数据准备**：确保你的数据集已经按照时间序列或面板数据格式排列好，如果有缺失值需要处理。

2. **设置面板结构**（仅限于面板数据）：
   ```
   tsset idvar timevar
   ```
   其中`idvar`是单位标识符变量，`timevar`是时间变量。如果已经是面板格式，则可以跳过这一步。

3. **执行SFA命令**：使用`frontier`命令进行估计。
   ```
   frontier depvar indepvars [if] [in] [, options]
   ```
   其中`depvar`是你的因变量，`indepvars`是你的一系列自变量。`options`可以包括多种选择，例如指定效率分布（如`halfnormal`或`truncated`）。

4. **预测效率值**：
   ```
   predict te, eff
   ```
   这将创建一个新的变量`te`，其中包含了你的技术效率估计值。

5. **查看结果**：使用`list te`命令来检查新生成的效率值列表。

6. **分析和解释**：对效率值进行进一步的统计测试或图形展示，以理解不同单位间的效率差异及其变化趋势。

请注意，在执行`frontier`命令时，你可能需要安装相应的用户编写程序。如果尚未安装，可以使用如下命令：
```
ssc install frontier
```

另外，SFA假设存在一个正向偏误（即生产函数的随机项偏向于正值），这反映了效率损失的存在。因此，预测出的技术效率值`te`将介于0和1之间，表示单位产出相对于其最有效状态的比例。

最后，请注意模型选择、规范设定以及数据质量对SFA结果的影响非常重要。在应用SFA时，应充分考虑这些因素，并通过敏感性分析验证结果的稳健性。

此文本由CAIE学术大模型生成，添加下方二维码，优先体验功能试用