A Guide to FRONTIER Versi 4.1: Program Komputer untuk Produksi Frontier Stokastik dan Estimasi Biaya Fungsi.

oleh Tim Coelli Pusat Analisis Efisiensi dan Produktivitas University of New England Armidale, NSW, 2351 Australia. Email: tcoelli@metz.une.edu.au Web: http://www.une.edu.au/econometrics/cepa.htm CEPA Working Paper 96/07 ABSTRAK Makalah ini menjelaskan sebuah program komputer yang telah ditulis untuk memberikan estimasi maksimum likelihood parameter dari sejumlah produksi stokastik dan fungsi biaya.Model stokastik perbatasan dianggap dapat mengakomodasi (seimbang) data panel dan menganggap efek perusahaan yang didistribusikan sebagai dipotong variabel acak normal. Dua spesifikasi model utama yang dipertimbangkan dalam program ini adalah kesalahan spesifikasi komponen dengan waktu-bervariasi efisiensi diizinkan (Battese dan Coelli, 1992), yang diperkirakan oleh FRONTIER Versi 2.0, dan spesifikasi model di mana efek perusahaan secara langsung dipengaruhi oleh jumlah variabel (Battese dan Coelli, 1995). Program komputer juga memungkinkan estimasi model lain yang telah muncul dalam literatur melalui pengenaan pembatasan sederhana asimtotik estimasi kesalahan standar dihitung bersama dengan perkiraan efisiensi individu dan berarti. 1. PENDAHULUAN Makalah ini membahas program komputer, FRONTIER Versi 4.1, yang telah ditulis untuk memberikan estimasi maksimum likelihood dari berbagai produksi frontier stokastik dan fungsi biaya.Makalah ini dibagi menjadi beberapa bagian. Bagian 2 menjelaskan fungsi produksi frontier stokastik Battese dan Coelli (1992, 1995) dan catatan kasus khusus banyak dari formulasi yang dapat diperkirakan (dan diuji untuk) menggunakan program.Bagian 3 menjelaskan program dan Bagian 4 memberikan beberapa ilustrasi tentang bagaimana menggunakan program.Beberapa poin akhir dibuat dalam Bagian 5. Sebuah lampiran ditambahkan yang merangkum aspek-aspek penting penggunaan program dan juga memberikan penjelasan singkat tentang tujuan masingmasing subroutine dan fungsi dalam kode Fortran77. 2. MODEL SPESIFIKASI Fungsi produksi frontier stokastik secara independen diusulkan oleh Aigner, Lovell dan Schmidt (1977) dan Meeusen dan van den Broeck (1977). Spesifikasi asli melibatkan fungsi produksi yang ditentukan untuk data cross-sectional yang memiliki istilah kesalahan yang memiliki dua komponen, satu untuk memperhitungkan efek acak dan satu

lagi untuk memperhitungkan inefisiensi teknis. Model ini dapat dinyatakan dalam bentuk berikut: (1) Yi = xi + (Vi - Ui), i = 1 ,..., N, dimana Yi produksi (atau logaritma dari produksi) dari perusahaan ke-i; xi adalah vektor k1 dari (transformasi dari) jumlah masukan dari perusahaan ke-i; [Sebagai contoh, jika Yi adalah log dari output dan xi berisi log dari kuantitas input, maka fungsi produksi Cobb-Douglas diperoleh .] adalah vektor parameter yang tidak diketahui; para Vi adalah variabel acak yang dianggap iid. N (0, V2), dan independen dari Ui yang variabel-variabel acak non-negatif yang diasumsikan untuk memperhitungkan inefisiensi teknis dalam produksi dan sering dianggap iid. | N (0, U2) |. Spesifikasi asli ini telah digunakan dalam sejumlah besar aplikasi empiris selama dua dekade terakhir. Spesifikasi juga telah diubah dan diperluas dalam berbagai cara. Perluasan ini mencakup spesifikasi asumsi distribusi yang lebih umum untuk Ui, seperti distribusi gamma dipotong normal atau dua parameter, pertimbangan data panel dan waktu bervariasi efisiensi teknis perpanjangan metodologi biaya fungsi dan juga ke perkiraan sistem persamaan, dan sebagainya. Sejumlah review komprehensif dari literatur ini tersedia, seperti Forsund, Lovell dan Schmidt (1980), Schmidt (1986), Bauer (1990) dan Greene (1993). Program komputer, FRONTIER Versi 4.1, dapat digunakan untuk mendapatkan estimasi maksimum likelihood dari suatu subset dari produksi frontier stokastik dan fungsi biaya yang telah diusulkan dalam literatur. Program ini dapat menampung data panel; waktu bervariasi dan efisiensi invariant, fungsi biaya dan produksi; setengah normal dan distribusi normal dipotong, dan bentuk-bentuk fungsional yang memiliki variabel dependen dalam satuan login atau asli. Program tidak dapat mengakomodasi distribusi eksponensial atau gamma, juga tidak dapat memperkirakan sistem persamaan. Ini daftar program apa yang bisa dan tidak bisa lakukan tidak lengkap, tetapi memberikan indikasi kemampuan program. FRONTIER Versi 4.1 ditulis untuk mengestimasi model spesifikasi rinci dalam Battese dan Coelli (1988, 1992 dan 1995) dan Battese, Coelli dan Colby (1989). Karena spesifikasi Battese dan Coelli (1988) dan Battese, Coelli dan Colby (1989) adalah kasus khusus dari Battese dan Coelli (1992) spesifikasi, kita akan membahas spesifikasi model dalam dua surat kabar terbaru dalam detail, dan kemudian mencatat cara di mana model ini ecompass spesifikasi lain yang telah muncul dalam literatur. 2.1 Model 1: Battese dan Coelli (1992) Spesifikasi Battese dan Coelli (1992) mengusulkan sebuah fungsi produksi frontier stokastik untuk (tidak seimbang) data panel yang memiliki efek perusahaan yang diasumsikan untuk dibagikan sebagai terpotong variabel acak normal, yang juga diizinkan untuk bervariasi secara sistematis dengan waktu. Model ini dapat dinyatakan sebagai: (2) Yit = Keluar + (Vit - UIT), i = 1 ,..., N, t = 1 ,..., T, mana Yit adalah (logaritma dari) produksi perusahaan ke-i pada periode waktu t-th; Keluar adalah vektor k1 dari (transformasi dari) jumlah masukan dari perusahaan ke-i pada periode waktu t-th; adalah sebagai didefinisikan sebelumnya; yang Vit adalah variabel acak yang dianggap iid N (0, V2), dan independen dari

Selanjutnya.Misalnya. membatasi formulasi ke panel (seimbang) penuh data memberikan fungsi produksi diasumsikan dalam Battese dan Coelli (1988). 1981) memperkirakan batas stokastik dan . meninggalkan spesifikasi dengan parameter yang bisa konsisten diestimasi dengan menggunakan kuadrat terkecil biasa. dimana ini Ui adalah variabel-variabel acak non-negatif yang diasumsikan untuk memperhitungkan inefisiensi teknis dalam produksi dan dianggap iid sebagai truncations pada nol dari N (. Selain itu. Pembatasan tambahan sebesar nol mengurangi model ke model Satu di Pitt dan Lee (1981). dan panel data tidak perlu lengkap (misalnya data panel tidak seimbang). model yang disarankan oleh Stevenson (1980) hasil.. Setting untuk menjadi nol menyediakan model waktu-invariant diatur dalam Battese. harus satu berasumsi invarian waktu atau waktu-bervariasi efisiensi? Ketika keputusan tersebut harus dibuat. Satu juga dapat menguji apakah ada bentuk fungsi produksi frontier stokastik diperlukan sama sekali dengan menguji signifikansi parameter. [Perlu dicatat bahwa uji statistik rasio kemungkinan melibatkan hipotesis nol yang meliputi pembatasan yang nol tidak memiliki distribusi chi-kuadrat karena pembatasan mendefinisikan titik pada batas ruang parameter. Pengenaan satu atau lebih pembatasan pada model formulasi ini dapat memberikan beberapa kasus khusus model tertentu yang telah muncul dalam literatur. diterima. Jelas sejumlah besar permutasi ada. Jelas ada sejumlah besar pilihan model yang dapat dipertimbangkan untuk aplikasi tertentu. Untuk lebih lanjut tentang hal ini lihat Lee (1993) dan Coelli (1993.Orang bisa menambahkan pembatasan keempat T = 1 untuk kembali ke formulasi cross-sectional asli. Lovell dan Schmidt (1977). Kedua terakhir spesifikasi adalah analog fungsi biaya dari fungsi produksi di Battese dan Coelli (1988) dan Aigner. 2. masing-masing. Parameter. apakah salah mengasumsikan distribusi normal setengah-efek inefisiensi atau distribusi yang lebih umum normal terpotong? Jika data panel tersedia. Lovell dan Schmidt (1977).(t-T))).Uit = (Uiexp (. jika opsi fungsi biaya dipilih.2 Model 2: Battese dan Coelli (1995) Spesifikasi Sejumlah studi empiris (misalnya Pitt dan Lee. Coelli dan Colby (1989). kita bisa memperkirakan spesifikasi model dalam Hughes (1988) dan Schmidt dan Lovell (1979) spesifikasi. Kami memanfaatkan parameterisasi dari Battese dan Corra (1977) yang menggantikan V2 dan U2 dengan 2 = V2 + U2 dan = U2 / (V2 + U2). setengah normal Aigner. jika semua larangan kecuali = 0 yang dikenakan.. yang sama dengan nol. U2) distribusi. Misalnya. adalah suatu parameter untuk diestimasi. yang dianggap efisiensi alokatif. direkomendasikan bahwa sejumlah model alternatif diperkirakan dan bahwa model yang disukai dipilih menggunakan tes rasio kemungkinan. Ini akan menunjukkan bahwa U2 adalah nol dan karena bahwa istilah UIT harus dihapus dari model . Hal ini dilakukan dengan perhitungan estimasi maksimum likelihood dalam pikiran. 1994)] Jika hipotesis nol. Dalam hal ini statistik rasio kemungkinan telah terbukti memiliki distribusi chi-kuadrat campuran. harus terletak antara 0 dan 1 dan dengan demikian kisaran ini dapat dicari untuk memberikan nilai awal yang baik untuk digunakan dalam proses maksimalisasi berulang seperti DavidonFletcher-Powell (DFP) algoritma. Fungsi log-likelihood dari model ini disajikan dalam lampiran di Battese dan Coelli (1992).

Ghosh dan McGukin (1991) dan Reifschneider dan Stevenson (1991) yang mengusulkan model stokastik perbatasan di mana efek inefisiensi (Ui) disajikan sebagai fungsi eksplisit dari vektor variabel perusahaan-spesifik dan acak kesalahan. Para Battese dan Coelli (1995) spesifikasi model dapat dinyatakan sebagai: (3) Yit = Keluar + (Vit . mana Yit. dll) dalam upaya untuk mengidentifikasi beberapa alasan perbedaan-perbedaan dalam efisiensi diperkirakan antara perusahaan dalam suatu industri. Keluar.. dengan Ui diartikan sebagai efek inefisiensi teknis. Jadi kedua spesifikasi model non-nested dan karenanya tidak ada aturan pembatasan dapat didefinisikan untuk memungkinkan tes satu spesifikasi dibandingkan yang lain. U2) distribusi. dan adalah vektor 1p dari parameter yang akan diestimasi. bahwa model didefinisikan oleh (3) dan (4) tidak memiliki model yang didefinisikan oleh (2) sebagai kasus khusus... dimana 0 (satu-satunya elemen dalam) akan memiliki interpretasi yang sama sebagai parameter dalam Stevenson (1980).. dengan pengecualian bahwa efisiensi alokatif dikenakan. Perlu dicatat. Jika kita set T = 1 dan jerawat berisi satu nilai dan tidak ada variabel lain (misalnya hanya istilah konstan). Perpanjangan dengan kasus-kasus panel data langsung. kita hanya mengubah spesifikasi kesalahan berjangka dari (Vi .Ui) untuk . karakteristik kepemilikan. Ini telah lama dikenal sebagai latihan yang berguna. Kami sekali lagi menggunakan parameterisation dari Battese dan Corra (1977). i = 1 .UIT). V2 menggantikan dan U2 dengan 2 = V2 + U2 dan = U2 / (V2 + U2). Ghosh dan McGukin (1991) spesifikasi. N. T. N (0.] Semua spesifikasi di atas telah dinyatakan dalam fungsi produksi. Masalah ini telah disampaikan oleh Kumbhakar. Prosedur estimasi dua tahap tidak mungkin untuk memberikan perkiraan yang seefisien yang dapat diperoleh dengan menggunakan prosedur estimasi satu panggung. maka model mengurangi ke spesifikasi normal dipotong dalam Stevenson (1980). dan kemudian kemunduran efisiensi diperkirakan pada variabel perusahaan-spesifik (seperti pengalaman manajerial. tetapi prosedur estimasi dua tahap juga telah lama dikenal sebagai salah satu yang tidak konsisten di dalamnya asumsi tentang independensi efek inefisiensi dalam dua tahap estimasi. Jika kita ingin menetapkan fungsi perbatasan biaya stokastik. dimana: (4) mit = jerawat. yang Vit adalah variabel acak yang dianggap iid. mana jerawat adalah vektor p1 variabel yang dapat mempengaruhi efisiensi dari suatu perusahaan. t = 1 . Fungsi log-likelihood dari model ini disajikan dalam lampiran di koran Battese kerja dan Coelli (1993)..... yang menyebabkan perusahaan untuk beroperasi di bawah produksi frontier stokastik. dan sebagaimana didefinisikan sebelumnya. Spesifikasi model ini juga mencakup sejumlah spesifikasi model lain sebagai kasus khusus. dan data panel diizinkan. dan independen dari Uit variabel-variabel acak yang non-negatif yang diasumsikan untuk memperhitungkan inefisiensi teknis dalam produksi dan diasumsikan secara independen dibagikan sebagai truncations pada nol dari N (mit. bagaimanapun. Battese dan Coelli (1995) mengusulkan sebuah model yang setara dengan Kumbhakar. dan begitu juga sebaliknya berlaku.3 [diskusi di sini akan diperhatikan dalam hal model cross-sectional. Fungsi Biaya 2. keuntungan orde pertama memaksimalkan kondisi dihapus. V2).diperkirakan tingkat efisiensi perusahaan menggunakan fungsi perkiraan.

U2) |. substitusi ini akan mengubah fungsi produksi didefinisikan oleh (1) ke dalam fungsi biaya: (5) Yi = xi + (Vi + Ui). adalah vektor parameter yang tidak diketahui. efisiensi akan mengambil nilai antara nol dan satu. Jika asumsi ini tidak dibuat. Xi). dengan baik inefisiensi teknis dan alokatif mungkin terlibat.. Langkah-langkah efisiensi dapat ditunjukkan didefinisikan sebagai: Biaya atau Produksi Logged Variabel Dependent. i = 1 . xi adalah vektor k1 dari (transformasi dari) harga input dan output dari perusahaan ke-i.. Misalnya. penafsiran Ui dalam fungsi biaya kurang jelas. V2). Jadi kita akan mengacu pada efisiensi diukur relatif terhadap perbatasan biaya sebagai efisiensi "biaya" dalam sisa dokumen ini. 2. saat itu akan mengambil nilai antara satu dan tak terbatas dalam hal fungsi biaya. N. yang sering dianggap iid | N (0.Schmidt dan Lovell dicatat bahwa kemungkinan-log perbatasan biaya adalah sama dengan perbatasan produksi kecuali untuk beberapa tanda perubahan. Dalam fungsi ini biaya Ui sekarang menentukan seberapa jauh perusahaan beroperasi di atas perbatasan biaya. maka Ui berkaitan erat dengan biaya inefisiensi teknis. dan karenanya tidak ulang di sini. Perpanjangan dengan kasus-kasus panel data langsung. Perbatasan biaya (5) adalah salah satu identik diusulkan dalam Schmidt dan Lovell (1979). Jika efisiensi alokatif diasumsikan. Fungsi log-likelihood dari model ini disajikan dalam lampiran dari kertas (menggunakan parameterisation sedikit berbeda dengan yang digunakan di sini)...(Vi + Ui). dan independen dari Ui yang variabel-variabel acak non-negatif yang diasumsikan untuk memperhitungkan biaya inefisiensi dalam produksi.] Program komputer menghitung prediksi efisiensi perusahaan individual teknis dari perkiraan batas produksi stokastik. yang akan sama dengan Yi jika variabel dependen dalam satuan asli dan akan sama dengan exp (Yi) jika variabel terikat adalah log. Efisiensi (Effi) produksi ya exp (-Ui) biaya ya exp (Ui) produksi tidak (xi-Ui) / (xi) tanpa biaya (xi + Ui) / (xi) Keempat atas ungkapan Effi semua mengandalkan nilai Ui teramati yang diprediksi. Fungsi log-kemungkinan untuk biaya analog fungsi Battese dan Coelli (1992. dimana Yi adalah (logaritma dari) biaya produksi perusahaan-i.4 Efisiensi Prediksi [diskusi di sini akan kembali dalam hal model cross-sectional. Langkah-langkah efisiensi teknis relatif ke perbatasan produksi (1) dan efisiensi biaya relatif ke perbatasan biaya (5) keduanya didefinisikan sebagai: (6) Effi = E (* Yi | Ui. Dalam kasus perbatasan produksi. dan prediksi efisiensi biaya perusahaan individu dari batas-batas perkiraan biaya stokastik. 1995) model juga ditemukan diperoleh dengan membuat perubahan beberapa tanda sederhana. mana * Yi produksi (atau biaya) dari perusahaan ke-i. para Vi adalah variabel acak yang dianggap iid N (0. Xi) / E (Yi * | Ui = 0. Hal . Penafsiran yang tepat dari efisiensi biaya akan tergantung pada aplikasi tertentu.

Program ini mensyaratkan bahwa data akan tercatat di file teks dan sangat khusus tentang format. disebut TEST. Versi 2. TEST. Versi 4.EXE 2) The start-up file FRONT41. telah berubah.ini dicapai dengan ekspresi yang berasal untuk ekspektasi bersyarat dari fungsi dari pada Ui.0 dan 4. data dan file output yang terdaftar dalam Bagian 4. tergantung pada nilai yang diamati (Vi . akrab dengan versi sebelumnya dari FRONTIER harus mengasumsikan bahwa tidak ada yang tetap sama. yang merupakan versi terakhir didokumentasikan sepenuhnya. 3.Ui). Data harus terdaftar oleh observasi. telah diperoleh oleh perubahan minor teknis efisiensi ekspresi dalam makalah ini. Jadi jika Anda ingin memperkirakan fungsi produksi Cobb-Douglas.. FRONT41.OUT).000 3) Sebuah file data (misalnya. dan ekspresi untuk efisiensi biaya relatif terhadap perbatasan biaya.1 pada IBM PC umumnya melibatkan lima file: 1) File executable FRONT41. Ekspresi yang dihasilkan generalisasi hasil di Jondrow et al (1982) dan Battese dan Coelli (1988). tetapi banyak kecil. Ungkapan yang relevan untuk kasus fungsi produksi disediakan di Battese dan Coelli (1992) dan di Battese dan Coelli (1993. 1992). Anda harus log semua masukan dan data keluaran sebelum membuat file data untuk program yang digunakan. 3. File-file data dan instruksi harus diciptakan oleh user sebelum eksekusi.1 mengasumsikan bentuk fungsional linier. File start-up. bendera percetakan dan sebagainya. File teks yang dapat diedit jika pengguna ingin mengubah nilai-nilai.1 tersedia di akhir bagian ini. berisi nilai untuk beberapa variabel kunci seperti kriteria konvergensi.1 File Dibutuhkan Pelaksanaan FRONTIER Versi 4.] Contoh instruksi. bagaimanapun. Output file yang dibuat oleh FRONTIER selama eksekusi [Catatan bahwa model dapat diperkirakan tanpa file instruksi jika program tersebut digunakan secara interaktif. Harus ada 3 + k kolom [+ p] disajikan dalam urutan sebagai berikut: 1) Perusahaan angka (integer dalam kisaran 1 sampai N) Nomor 2) Periode (sebuah integer dalam kisaran 1 sampai T) 3) Yit 4) x1it : 3 + k) xkit [3 + k +1) z1it : . karena program memperoleh log dari data yang disediakan untuk itu. 1995).DTA) 4) Sebuah file instruksi (misalnya. dan data harus tersedia dalam unit asli.000.0 pengguna akan ingat bahwa Cobb-Douglas diasumsikan dalam versi itu. Sebuah daftar dari perbedaan utama antara Versi 2. PROGRAM FRONTIER FRONTIER Versi 4. Anda akan. dan hati-hati membaca dokumen ini sebelum menggunakan Versi 4. disebut TEST.0 (Coelli. File ini dibahas lebih lanjut dalam Lampiran A. Sebagai contoh. dan beberapa hal yang tidak begitu kecil. menemukan bahwa sejumlah hal yang sama.1 berbeda dalam berbagai cara dari FRONTIER Versi 2.1 Orang.INS disebut) 5) Sebuah file output (misalnya.

di FRONT41.000.1 diasumsikan).000 start-up file. pencarian grid dilakukan di ruang parameter.1 di FRONT41. jika variabel. pertanyaan akan diminta dalam urutan yang sama seperti yang ditampilkan dalam file instruksi. program ini akan melewatkan dua langkah pertama dari prosedur. [Jika mulai nilai yang ditentukan dalam file instruksi. 3. 3) Nilai-nilai yang dipilih dalam pencarian grid digunakan sebagai nilai awal dalam sebuah prosedur iteratif (menggunakan metode Davidon-Fletcher-Powell Quasi-Newton) untuk mendapatkan estimasi maksimum likelihood akhir.] The tiga langkah tersebut adalah: 1) Ordinary Least Squares (OLS) perkiraan fungsi diperoleh. Nilai dianggap 0. Pengamatan dapat didaftar dalam urutan apapun tetapi kolom harus dalam urutan lain.9 dengan penambahan ukuran 0. Ini adalah diturunkan dalam lampiran di Battese dan Coelli (1992) . dengan parameter (kecuali 0) diatur ke nilai OLS dan parameter 0 dan 2 disesuaikan dengan rumus kuadrat paling tidak dikoreksi biasa disajikan dalam Coelli (1995). 2) Sebuah pencarian grid dua tahap dilakukan.2. Jika pilihan (terminal) interaktif dipilih. Jika Anda menggunakan silang tunggal-bagian data. maka kolom 2 (periode waktu kolom) harus berisi nilai "1" di seluruh.2 Metode Tiga Langkah Estimasi Program ini akan mengikuti prosedur tiga langkah dalam mengestimasi estimasi maksimum likelihood dari parameter fungsi produksi frontier stokastik.3 + k + p)] zpit. Struktur dari file instruksi terdaftar pada bagian berikutnya. Setiap parameter lainnya (.1-0.Semua penduga dengan pengecualian mencegat akan bias. Lebar pencarian ini grid GRIDNO / 2 kedua sisi fase satu perkiraan dalam langkah GRIDNO/10. 3.2.2 Prosedur Iterative Maksimalisasi Urutan pertama derivatif parsial dari fungsi log-kemungkinan Model 1 dan 2 adalah ekspresi yang panjang. Z entri tercantum dalam tanda kurung siku untuk menunjukkan bahwa mereka tidak selalu diperlukan. pengguna ditanya apakah instruksi akan datang dari sebuah file atau terminal. Selanjutnya. 3. Mereka hanya digunakan ketika Model 2 sedang diperkirakan. Setelah mengetik "FRONT41" untuk memulai eksekusi. Cobb-Douglas dan bentuk translog fungsional merupakan bentuk fungsional yang paling sering digunakan dalam analisis perbatasan stokastik.1. Contoh melibatkan kedua bentuk akan disediakan dalam Bagian 4. diatur ke 1 (bukan 0) maka pencarian tahap kedua grid akan dilakukan di sekitar nilai-nilai yang diperoleh pada tahap pertama. Ukuran selisih ini bisa diubah dengan mengubah nilai dari variabel GRIDNO yang diatur ke nilai 0. Harus ada setidaknya satu pengamatan pada setiap perusahaan N dan harus ada setidaknya satu pengamatan dalam periode waktu 1 dan dalam jangka waktu T. Perhatikan bahwa data harus sesuai diubah jika bentuk fungsional selain fungsi linier diperlukan. atau 's) yang diatur ke nol dalam kotak pencarian.1 Grid Search Seperti disebutkan sebelumnya. Jadi nilai awal untuk akan diperoleh dengan akurasi dua tempat desimal bukan tempat desimal satu diperoleh dalam pencarian grid fase tunggal (ketika nilai GRIDNO = 0. IGRID2. Program ini dapat menerima instruksi baik dari file atau dari terminal.

jika perubahan proporsional dalam fungsi kemungkinan dan masing-masing parameter kurang dari 0.3 Yang paling-kuadrat biasa estimasi.00001. yang tidak standar Fortran . Kriteria konvergensi diatur dalam FRONT41.Variabel ITE di FRONT41.dan Battese dan Coelli (1993). Diputuskan bahwa tugas ini mungkin sebaiknya dihindari. 20. ini hanya rata-rata aritmetika dari efisiensi individu. yang ditemukan oleh banyak pengguna terlalu membatasi. seperti metode Newton-Raphson. Hal ini saat ini ditetapkan dalam FRONT41. Ini estimasi matriks kovarians juga terdaftar pada output.000 ke 100. Banyak metode gradien digunakan untuk mendapatkan estimasi maksimum likelihood. maka prosedur iterasi berakhir. Apabila salah perkiraan efisiensi berarti dilaporkan. MINI.1 Perbedaan utama adalah sebagai berikut: 1) The Battese dan Coelli (1995) model (Model 2) sekarang dapat diperkirakan. b) Jumlah maksimum dari iterasi diijinkan selesai. Perkiraan efisiensi teknis atau biaya masing-masing dihitung dengan menggunakan ekspresi disajikan dalam Battese dan Coelli (1991. SEARCH. Batas Ukuran 100. Kedua parameter ini dapat diubah oleh pengguna. 1995). The Davidon-Fletcher-Powell metode Quasi-Newton dipilih seperti yang muncul telah berhasil digunakan dalam berbagai aplikasi ekonometrik dan juga direkomendasikan oleh Pitt dan Lee (1981) untuk produksi frontier stokastik estimasi fungsi. masing-masing. dan 20 masing-masing. Saat ini sudah diatur sedemikian rupa sehingga.0 dan 4. Penghapusan batas-batas ukuran yang telah dicapai dengan menyusun program menggunakan kompiler Lahey F77L-EM/32 dengan extender DOS. ETA dan CONVRG. Tindakan ini tidak datang dengan biaya beberapa meskipun. 3. 2) Batas-batas ukuran tua di N.000 start-up file oleh TOL parameter. Ukuran model yang sekarang dapat diestimasi dengan program ini hanya dibatasi oleh jumlah RAM yang tersedia pada PC Anda. Prosedur iteratif mengambil nilai parameter yang diberikan oleh para pencari grid sebagai nilai awal (kecuali nilai mulai dipasok oleh pengguna). Output Program 3.4 Perbedaan Antara Versi 2. perkiraan setelah pencarian grid dan perkiraan kemungkinan akhir maksimum semua disajikan dalam file output. karena program harus ditulis ulang menggunakan array dinamis dialokasikan. Struktur umum dari subrutin.000 dapat digunakan untuk menekan pencatatan efisiensi individu dalam file output. Untuk diskusi umum tentang manfaat relatif dari sejumlah Newton dan metode Quasi-Newton lihat Himmelblau (1972). yang juga memberikan gambaran tentang mekanika (bersama dengan kode Fortran) dari sejumlah metode yang lebih populer. maka kita mengalihkan perhatian kita kepada metode Quasi-Newton yang hanya membutuhkan vektor derivatif parsial pertama diturunkan. memerlukan matriks turunan parsial kedua untuk dihitung. dengan mengubah nilainya 1-0. digunakan dalam FRONTIER diambil dari lampiran dalam Himmelblau (1972). Program kemudian update vektor estimasi parameter dengan metode Davidon-Fletcher-Powell sampai salah satu dari berikut terjadi: a) kriteria konvergensi adalah puas. Perkiraan kesalahan standar ini diambil dari arah matriks yang digunakan dalam iterasi akhir prosedur Davidon-Fletcher-Powell. T dan K telah dihapus.

Hal ini terbukti dalam Gambar 1 yang terpotong plot fungsi kepadatan normal untuk nilai dari -2. Akurasi perhitungan numerik daerah di ekor dari distribusi normal standar yang sejauh ini dari nol harus dipertanyakan. 6) Bounds kini telah ditempatkan pada rentang nilai yang dapat mengambil dalam Model 1. 1 dan 2 7) Informasi dari setiap iterasi sekarang dikirim ke file output (bukan ke layar). Sekarang terbatas berkisar antara 2U. Kesalahan ini sudah diperbaiki di versi 4.1.Data yang disertakan dalam unit asli dan program menghitung log sebelum estimasi.Fenomena ini sedang diselidiki lebih lanjut saat ini. konfigurasi mesin berikut minimal dibutuhkan: IBM kompatibel 386 (atau lebih tinggi) PC dengan prosesor co-matematika.0.Sebagai contoh.Dengan demikian kode tersebut tidak bisa sekarang ditransfer ke platform komputasi (seperti komputer mainframe) tanpa modifikasi substansial.Hal ini dilakukan karena jumlah pengguna (termasuk penulis) menemukan bahwa dalam beberapa aplikasi nilai (tidak signifikan) besar negatif diperoleh.0 program.konstruksi.] Ia kemudian memutuskan bahwa batas-batas di atas dikenakan. Program ini akan berjalan ketika hanya ada 4 RAM mb tetapi dalam beberapa kasus akan membutuhkan 8 RAM mb. nama-nama file data dan instruksi yang sekarang terdaftar dalam file output. banyak yang disarankan oleh pengguna Versi 2.000. Ini tidak dipandang sebagai terlalu ketat. 8) Pencarian grid sekarang telah berkurang menjadi hanya mempertimbangkan dan sekarang menggunakan paling tidak biasa dikoreksi ekspresi kuadrat diturunkan dalam Coelli (1995) untuk menyesuaikan 2 dan 0 selama proses ini. maka program akan menghitung perkiraan efisiensi yang sesuai. [Monte carlo Percobaan dilakukan di mana ditetapkan ke nol ketika sampel menghasilkan. 11) Ada juga sejumlah besar perubahan kecil yang dibuat untuk program. . mengingat berbagai dipotong bentuk distribusi normal yang masih diizinkan.0 ditulis untuk memperkirakan fungsi Cobb-Douglas. tetapi tidak dibatasi estimasi. -1 0. Sebuah plot 3D dari fungsi log-likelihood di salah satu contoh ini menunjukkan tonjolan datar panjang di kemungkinan-log ketika diplot melawan dan 2. 4) Efisiensi perkiraan sekarang dapat dihitung jika variabel dependen mengungkapkan dalam satuan asli. Versi sebelumnya dari program ini diasumsikan variabel terikat adalah log. Besar negatif (tidak signifikan) nilai diperoleh pada sekitar 10% dari sampel. 3) Fungsi Biaya sekarang dapat diperkirakan. Program ini memperkirakan fungsi linear menggunakan data yang disediakan untuk itu.1 mengasumsikan bahwa semua transformasi yang diperlukan telah dilakukan untuk data sebelum menerimanya. Versi 4. dan mengubah tampaknya tidak memiliki pengaruh besar terhadap perkiraan. Pengguna juga dapat sekarang menentukan seberapa sering (jika ada) informasi ini dilaporkan. dan dihitung efisiensi sesuai. 5) Versi 2. 10) Sebagai akibat dari penggunaan dari kompiler baru (rinci dalam huruf 2). Nilai ini itu besar dalam arti bahwa itu adalah standar deviasi banyak dari nol (misalnya empat atau lebih). Pengguna sekarang dapat menunjukkan apakah variabel dependen login atau tidak. 9) Sebuah kesalahan kecil terdeteksi di derivatif parsial pertama terhadap di Versi 2. dengan menggunakan variabel iPrint di FRONT41. Contoh bagaimana memperkirakan Cobb-Douglas dan bentuk translog fungsional disediakan dalam Bagian 4. Kesalahan ini hanya akan hasil terpengaruh ketika itu dianggap tidak nol.

karena komentar di sisi kanan file tersebut. File ini memiliki format yang sama dengan file data asli. Dalam bagian ini kita akan mempertimbangkan estimasi dari: 1) Sebuah produksi Cobb-Douglas perbatasan dengan menggunakan data cross-sectional dan asumsi distribusi normal setengah.SHA (lihat Tabel 1b) membaca data dari EG1. Kami kemudian membuat file instruksi untuk program FRONTIER (EG1. Untuk menjaga contoh singkat.INS yang disertakan dengan program. instruksi dan output adalah file teks (ASCII).DAT. 2) Sebuah frontier produksi translog menggunakan data cross-sectional dan mengasumsikan distribusi normal terpotong. Dalam contoh pertama kita ingin memperkirakan perbatasan produksi Cobb-Douglas: (7) ln (Qi) = 0 + 1ln (Ki) + 2ln (Li) + (Vi .] Baris pertama memungkinkan Anda . 1993) telah digunakan dalam dokumen ini. 4. Q.INS dan FRONT41. kecuali bahwa input dan output telah log.] EG1.. K dan L. File teks [Semua file data. dan Vi dan Ui dianggap normal dan setengah-normal didistribusikan. Hal ini dapat dilakukan dengan menggunakan sejumlah paket komputer. Kami kemudian mengedit file ini (menggunakan editor teks seperti DOS EDIT) dan ketik informasi yang relevan.INS nama) dengan terlebih dahulu membuat salinan dari berkas BLANK. sedangkan pada contoh data panel 15 perusahaan dan 4 periode waktu akan digunakan.8 sebelum periode dan 3 berikut ini] (lihat Tabel 1c).DAT berisi 60 observasi pada perusahaan-id periode. 4) Para Battese dan Coelli (1992) spesifikasi (Model 1). Ki dan Li adalah output. Tujuan dari sebagian besar entri dalam file harus berdiri sendiri jelas. Instruksi Shazam file EG1.Ui).4. modal dan tenaga kerja. waktu. Sebuah PENDEK BEBERAPA CONTOH Cara terbaik untuk menjelaskan bagaimana menggunakan program ini adalah untuk memberikan beberapa contoh. 3) Sebuah biaya Cobb-Douglas perbatasan dengan menggunakan data cross-sectional dan asumsi distribusi normal setengah. memperoleh kayu dari variabel yang relevan dan menulis ini ke file EG1. Dalam contoh cross-sectional kita akan memiliki 60 perusahaan. [Perlu disebutkan bahwa komentar-komentar di BLANK. 5) Para Battese dan Coelli (1995) spesifikasi (Model 2). Perhatikan bahwa kolom waktu periode berisi hanya 1 karena ini adalah data cross-sectional.DTA [Catatan batasan DOS bahwa nama file tidak dapat berisi lagi dari 12 karakter . Oleh karena itu pengguna mungkin memiliki file instruksi yang dibuat dari awal dengan editor teks dan yang tidak mengandung komentar. masing-masing. mana Qi.Program Shazam (lihat White. dalam urutan (lihat Tabel 1a).INS tercantum pada Tabel 1d.000 tidak dibaca oleh FRONTIER . namun. kita akan menanggung sarana produksi dua dalam semua kasus. Untuk memperkirakan (7) pertama-tama kita harus membangun sebuah file data yang berisi log dari input dan output. karena akan terlalu mudah untuk kehilangan jejak yang nilai input yang dimiliki line. File EG1. Hal ini tidak dianjurkan. masing-masing.1 A Cobb-Douglas produksi frontier dengan menggunakan data cross-sectional dan asumsi distribusi normal setengah.

File ini direproduksi dalam Tabel 1e. Pada dua baris berikutnya dari file nama file data (EG1. kita harus menjawab tidak untuk menentukan nilai awal karena kita ingin mereka yang akan dipilih menggunakan grid search [Jika kita telah menjawab ya untuk.] Terakhir.. masing-masing. Program ini kemudian akan mengambil tempat antara beberapa detik dan beberapa menit untuk mengestimasi model perbatasan dan mengirim output ke file yang memiliki nama (EG1. Untuk model sederhana dalam contoh ini kita akan menjawab "n" dan "0".Listing EG1. dan pada baris 5 sebuah "y" dimasukkan untuk menunjukkan bahwa variabel dependen sudah dicatat (ini digunakan oleh program untuk memilih rumus yang benar untuk efisiensi perkiraan). Kita harus menjawab tidak untuk karena kita hanya memiliki satu lintas -bagian data dan karenanya tidak dapat mempertimbangkan waktu bervariasi efisiensi. kemudian ketik nama file instruksi (EG1.OUT) ditentukan.799 . 21.834 60.855 5.134 2. nilai awal.untuk menunjukkan apakah Model 1 atau 2 diperlukan. maka kita perlu nilai-nilai awal untuk masing-masing jenis parameter.DTA) dan nama file output (di sini kita telah menggunakan EG1. 24.124 7.285 4. instruksi-instruksi yang sama dapat dikirim ke FRONTIER dengan memilih terminal (t) opsi dan menjawab serangkaian pertanyaan]. On line 4 "1" dimasukkan untuk menunjukkan kita memperkirakan fungsi produksi.DAT File Data _____________________________________________________________________ 1. 1.INS). 1.]. 1. periode waktu (1).643 77.OUT).358 9. Pada tiga baris berikutnya kita tidak menjawab (n) untuk setiap pertanyaan.105 5. 1. 1. . mengetik satu di setiap baris. kita perlu menjawab pertanyaan-pertanyaan dalam kurung kotak pada baris 10 dan 11 dari instruksi file gantinya. Kemudian pada empat baris berikutnya kita tentukan jumlah perusahaan (60). jumlah pengamatan (60) dan jumlah regressor (2).778 9.124 59.621 44. 58.297 3.218 _____________________________________________________________________ Tabel 1b .329 87.SHA Shazam Instruksi Berkas _____________________________________________________________________ . Karena bentuk sederhana model ini contoh pertama (dan dua berikutnya contoh) tidak masalah apakah "1" atau "2" dimasukkan. Kami telah mengatakan tidak dapat karena kita mengasumsikan distribusi normal setengah [Kami akan menjawab ya jika kita ingin mengasumsikan distribusi normal dipotong lebih umum di mana dapat menjadi non-nol. .Listing EG1. Tabel 1a . dalam urutan tertentu.] Akhirnya kita ketik FRONT41 di DOS prompt. pilih pilihan instruksi file (f) [Jika Anda tidak ingin membuat file instruksi. [Catatan bahwa jika kita memilih model 2 pada baris pertama dari file instruksi.095 89. 1. 27.340 60.416 35. 20. 14. 12.

000000 1.000000 3.INS Berkas Instruksi _____________________________________________________________________ 1 1 = KESALAHAN KOMPONEN MODEL.Listing EG1.dat) n t y x1 x2 genr ly = log (y) genr lx1 = log (x1) genr lx2 = log (x2) 33 file eg1.726510 3. 2 = FUNGSI BIAYA y login VARIABEL TERGANTUNG (Y / N) 60 JUMLAH BAGIAN LINTAS 1 JUMLAH PERIODE WAKTU 60 JUMLAH PENGAMATAN DALAM JUMLAH 2 JUMLAH VARIABEL REGRESSOR (Xs) n MU (Y / N) [OR DELTA0 (Y / N) JIKA MENGGUNAKAN MODEL TE EFEK] n ETA (Y / N) [ATAU JUMLAH EFEK regressor TE (Zs)] n MULAI VALUES (Y / N) JIKA YA MAKA BETA0 Beta1 ATAS BETAK SIGMA Squared GAMMA MU [ATAU DELTA0 ETA DELTA1 ATAS DELTAK] .out NAMA FILE 1 1 = PRODUKSI FUNGSI.233128 4.000000 3.061426 2.242410 3. 58.00000 1.467332 59.Listing EG1.dta DATA NAMA FILE KELUARAN eg1. .300419 2.535361 4.000000 2.497574 .547725 2. .037594 1.000000 3.00000 1.559169 2.058473 4.000000 2.000000 1.628260 4.read (eg1. 2 = TE EFEK MODEL eg1.dta menulis (33) n t ly lx1 lx2 berhenti _____________________________________________________________________ Tabel 1c .789132 _____________________________________________________________________ Tabel 1d .347655 3.189859 1.00000 1.DTA File Data _____________________________________________________________________ 1.000000 1.099995 60.000000 3.646529 1.

51498586E-01 0.28049246E +00 0.17034854E +02 .80000000E 00 mu dibatasi dengan nol eta dibatasi dengan nol iterasi = 0 func evals = 19 llf =-0.ins file data = eg1.24489834E 0.11465114E beta 1 0.58014216E 00 beta 1 0.Listing EG1.1) instruksi file = eg1.CATATAN: JIKA ANDA MEMULAI PENYEDIAAN VALUES DAN ANDA TELAH DIBATASI MU [OR DELTA0] UNTUK ZERO MAKA ANDA TIDAK HARUS MINUM A STARTING NILAI UNTUK PARAMETER INI.21360307E +00 +00 +01 0.53330637E 00 sigma-squared 0. _____________________________________________________________________ Tabel 1e .58354940E 01 beta 2 0.28049246E 00 beta 2 0.48066617E-01 0.11398496E 00 log kemungkinan fungsi =-0.22067413E 00 gamma 0.18446849E +02 perkiraan setelah pencarian grid: beta 0 0.53330637E +00 0.OUT Output File _____________________________________________________________________ Output dari program FRONTIER (Versi 4.10355748E +02 sigma-squared 0.dta Kesalahan Komponen Frontier (lihat B & C 1992) Model ini adalah fungsi produksi Variabel dependen adalah login perkiraan OLS adalah: koefisien standar-kesalahan t-rasio beta 0 0.

29528845E-04-0.40456494E 0.0.20261668E +00 +00 +01 0.21700046E +00 0.59001301E 01 beta 2 0.79718731E +00 +00 iterasi = 7 func evals = 63 llf =-0.58014216E 0.31446721E-02-02 0.79720730E 0.53647981E 0.13642399E +00 +00 +01 0.41053521E-01-0.28392402E 01 dengan jumlah pembatasan = 1 [Perhatikan bahwa statistik ini memiliki distribusi campuran chi-kuadrat] jumlah iterasi = 7 (Jumlah maksimum iterasi yang ditetapkan di: 100) jumlah lintas-bagian = 60 jumlah periode waktu = 1 jumlah total pengamatan = 60 demikian ada: 0 obsns tidak dalam panel matriks kovariansi: 0.22067413E 0.21694170E 0.22698902E 0.58436004E mu dibatasi dengan nol eta dibatasi dengan nol log kemungkinan fungsi =-0.56161963E 0.53330637E 0.21700046E 0.28110205E +00 +00 +00 0.40106205E-04-0.53647981E +00 0.63909106E-01 0.91550467E-04 .17027229E +02 0.11855501E +02 sigma-squared 0.80030279E-02-02 0.27718331E beta 1 0.17027229E +02 LR uji kesalahan satu sisi = 0.47643365E-01 0.28110205E +00 0.28108701E +00 +00 +00 0.45251553E-01 0.92519362E-02 -0.53647803E 0.80000000E +00 +00 gradien langkah iterasi = 5 func evals = 41 llf =-0.17027230E +02 0.28049246E +00 +00 +00 0.79720730E +00 +00 perkiraan MLE final adalah: koefisien standar-kesalahan t-rasio beta 0 0.56161963E 0.31446721E-02-0.33954545E 01 gamma 0.56160697E 0.

Kami menekan daftar dari file output untuk menghemat ruang.74056772E 00 _____________________________________________________________________ 4. tetapi hanya daftar 4 tabel: 2a ke 2d. . Jika Anda memiliki lebih dari lima kolom.40456494E-02-0. 20.643 77.778 9. Li dan Vi adalah seperti yang didefinisikan sebelumnya.29528845E-04-0.2 Sebuah frontier translog produksi dengan menggunakan data cross-sectional dan mengasumsikan distribusi normal terpotong.16404645E-03 0.-est.285 4.16404645E-03-02 0.416 35.47190308E-04-02 0. FRONTIER tidak memiliki masalah membaca ini bentuk file data] dari EG1.INS kami telah membuat jumlah regressor sebesar 5 dan menjawab ya (y) terhadap pertanyaan (karena kita ingin Ui akan terpotong normal ). nomor tambahan akan muncul pada baris baru. 58 0. 1 0.20477030E-02-0.70842786E 00 berarti efisiensi = 0. 1. 1. Dan di EG2. Perbedaan utama yang perlu diperhatikan antara prosedur dalam Bagian 4. . Kami mengikuti presentasi mirip dengan yang di Bagian 4.92519362E-02-0.18611506E-01 teknis efisiensi perkiraan: perusahaan eff. mana Qi.47190308E-04-0.134 2.66471456E 00 59 0.85670448E 00 60 0. 12.80030279E-02-04 0.799 . .DTA berisi tiga lebih kolom [ Perhatikan bahwa perintah Shazam MENULIS hanya akan mencantumkan lima angka pada setiap baris.DTA.Listing EG2. 1.91550467E-04-0..095 89.Ui).67450773E-02 0. dan Ui telah dipotong distribusi normal.65068880E 00 2 0.297 3. Ki. Dalam contoh ini kita ingin memperkirakan perbatasan produksi translog: (8) ln (Qi) = 0 + 1ln (Ki) + 2ln (Li) + 3ln (Ki) 2 + 4ln (Li) 2 + 5ln (Ki) ln (Li) + (Vi .1 dan di sini adalah bahwa: istilah kuadrat dan interaksi harus dihasilkan dalam file instruksi Shazam (lihat Tabel 2b).-0.40106205E 0.82889151E 00 3 0. karena file ini EG2. .855 5.2.72642592E 00 . Tabel 2a .67450773E 0. 24.DAT File Data _____________________________________________________________________ 1.40843738E 0.

66769 7.061426 2.000000 2.976124 59.439730 60.95706 9.DTA File Data _____________________________________________________________________ 1.Listing EG2. 1.218 _____________________________________________________________________ Tabel 2b .535361 4.028404 12.981118 2. 27.22817 7. .189859 1.347655 2.547725 2. 2 = TE EFEK MODEL .237312 16.242410 3.789132 2.000000 1.000000 1.SHA Shazam Instruksi Berkas _____________________________________________________________________ read (eg2.80996 8.INS Berkas Instruksi _____________________________________________________________________ 1 1 = KESALAHAN KOMPONEN MODEL.dta menulis (33) t n ly lx1 lx2 lx1s lx2s lx12 berhenti _____________________________________________________________________ Tabel 2c .300419 2.651230 20. . 58. 21.000000 3.dat) n t y x1 x2 genr ly = log (y) genr lx1 = log (x1) genr lx2 = log (x2) genr lx1s = log (x1) * log (x1) genr lx2s = log (x2) * log (x2) genr lx12 = log (x1) * log (x2) 33 file eg2. 14.099995 4.358 9.037594 1.329 87.323218 .233128 4.000000 1.Listing EG2.541973 _____________________________________________________________________ Tabel 2d .357333 18.Listing EG2.058473 4.726510 3.628260 4.00000 1.124 7..834 60.340 60. 58.00000 1.646529 1.986860 19.35752 6.000000 3.105 5.124 59.00000 1. 1.675219 3.000000 3.000000 2.497574 2.90211 6.467332 4.559169 5.000000 3. 1.980835 14.621 44.

DTA (lihat Tabel 3c).368 16.925 28. File EG3.591 2. 1.3 A Cobb-Douglas biaya perbatasan dengan menggunakan data cross-sectional dan asumsi distribusi normal setengah. R dan W.857 23. dalam urutan (lihat Tabel 3a).DAT File Data _____________________________________________________________________ 1. C. 1. Ri dan Wi adalah biaya.eg2. Q. Kode Shazam dalam Tabel 3b menghasilkan variabel berubah yang diperlukan dan menempatkan mereka di EG3.564 .813 34.838 14. Poin utama yang perlu diperhatikan mengenai file instruksi pada Tabel 3d adalah bahwa kita telah memasuki "2" on line 4 untuk menunjukkan fungsi biaya yang diperlukan.098 3. Dalam contoh ini kita ingin memperkirakan biaya perbatasan Cobb-Douglas: (9) ln (Ci / Wi) = 0 + 1ln (Qi) + 2ln (Ri / Wi) + (Vi + Ui).742 24. Qi. harga modal dan harga tenaga kerja. 1.893 11.Listing EG3. mana Ci.469 35. 445. 2 = FUNGSI BIAYA y login VARIABEL TERGANTUNG (Y / N) 60 JUMLAH BAGIAN LINTAS 1 JUMLAH PERIODE WAKTU 60 JUMLAH PENGAMATAN DALAM JUMLAH 5 JUMLAH VARIABEL REGRESSOR (Xs) y MU (Y / N) [OR DELTA0 (Y / N) JIKA MENGGUNAKAN MODEL TE EFEK] n ETA (Y / N) [ATAU JUMLAH EFEK regressor TE (Zs)] n MULAI VALUES (Y / N) JIKA YA MAKA BETA0 Beta1 ATAS BETAK SIGMA Squared GAMMA MU [ATAU DELTA0 ETA DELTA1 ATAS DELTAK] CATATAN: JIKA ANDA MEMULAI PENYEDIAAN VALUES DAN ANDA TELAH DIBATASI MU [OR DELTA0] UNTUK ZERO MAKA ANDA TIDAK HARUS MINUM A STARTING NILAI UNTUK PARAMETER INI. 783.dta DATA NAMA FILE KELUARAN eg2.322 12.DAT berisi 60 observasi pada perusahaan-id periode. output. dan Vi dan Ui dianggap normal dan setengah-normal didistribusikan. waktu. Tabel 3a . _____________________________________________________________________ 4. 439. masing-masing.out NAMA FILE 1 1 = PRODUKSI FUNGSI. masing-masing.

Listing EG3.Listing EG3. 2 = FUNGSI BIAYA y login VARIABEL TERGANTUNG (Y / N) 60 JUMLAH BAGIAN LINTAS 1 JUMLAH PERIODE WAKTU .3262144 59.291680 -0.6875683 _____________________________________________________________________ Tabel 3d .INS Berkas Instruksi _____________________________________________________________________ 1 1 = KESALAHAN KOMPONEN MODEL.481671 -0.625840 3. 58. 1.580542 -0.281 60.191381 -0..000000 1.864203 3.848 9.000000 3. .882 59. 2 = TE EFEK MODEL eg3.000000 1.292668 3.SHA Shazam Instruksi Berkas _____________________________________________________________________ read (eg3.8744549 2. 408.411 23.00000 1.946442 3.000000 3. 58. . 1. 1114.dta menulis (33) n t lcw LQ lrw berhenti _____________________________________________________________________ Tabel 3c .919 29.9057584 60. 216.dta DATA NAMA FILE KELUARAN eg3.1422282 .888 7.037258 -0.550709 -0.514 14.00000 1.990748 3.672 _____________________________________________________________________ Tabel 3b .000000 3. 1.234 20. .000000 1.558 26.out NAMA FILE 2 1 = PRODUKSI FUNGSI.369 32.000000 2.00000 1.Listing EG3.dat) t n c q w r lcw log = genr (c / w) genr LQ = log (q) lrw log = genr (r / w) 33 file eg3.000000 2.310640 3.000000 2.5858576 3. .853 10.DTA File Data _____________________________________________________________________ 1.

16.096 13.380 . 11. 1.258 97. _____________________________________________________________________ 4. 16.761 11.350 38.174 7.676 3.4 Battese dan Coelli (1992) spesifikasi (Model 1). 1.643 77. 1.033 55. 19.886 5.130 14. 1.907 8.076 81. 2. 16.095 89.876 10.605 8.618 0.799 4. 1.232 4. Tabel 4a . 12. 1.717 27.239 0.935 35.DAT File Data _____________________________________________________________________ 1.698 5.344 65.203 6.168 4.Instruksi FRONTIER file (lihat Tabel 4d) tidak berbeda dalam berbagai cara dari contoh pertama: jumlah perusahaan telah diatur ke 15 dan jumlah periode waktu untuk 4.032 2.975 73. Kami menggunakan data pada 15 perusahaan yang diamati selama 4 periode waktu. Data yang telah direproduksi secara penuh pada Tabel 4a untuk memperjelas bentuk perusahaan-id dan kolom waktu periode (kolom 1 dan 2).Listing EG4.434 1.334 82. 1.309 4. 12. 1. 15. Instruksi Shazam (lihat Tabel 4b) tidak berbeda dengan contoh pertama. 1. Dalam contoh ini kami perkirakan model yang penuh didefinisikan oleh (2).476 12.878 6.131 9. 1.066 92.604 24.084 9.297 3. 6. 10. 1. 8. 29. dan dan pertanyaan yang telah dijawab oleh ya ( y).350 15. 26.580 7.432 9. 1. 1.903 7. 1.416 35. 1.897 1. 10.60 JUMLAH PENGAMATAN DALAM JUMLAH 2 JUMLAH VARIABEL REGRESSOR (Xs) n MU (Y / N) [OR DELTA0 (Y / N) JIKA MENGGUNAKAN MODEL TE EFEK] n ETA (Y / N) [ATAU JUMLAH EFEK regressor TE (Zs)] n MULAI VALUES (Y / N) JIKA YA MAKA BETA0 Beta1 ATAS BETAK SIGMA Squared GAMMA MU [ATAU DELTA0 ETA DELTA1 ATAS DELTAK] CATATAN: JIKA ANDA MEMULAI PENYEDIAAN VALUES DAN ANDA TELAH DIBATASI MU [OR DELTA0] UNTUK ZERO MAKA ANDA TIDAK HARUS MINUM A STARTING NILAI UNTUK PARAMETER INI.134 2.

312 40.424 6. 3. 4.936 2.834 60.040 50.265 95.124 14. 3.688 2.440 63.055 77.690 1.220 57. 4. 2. 2.574 4.1.069 6. 14.379 6.741 10. 18.182 14.459 4.612 7.498 0.405 42.884 1.149 5.556 6.218 _____________________________________________________________________ .891 59. 7.921 0. 4. 3. 4.128 1.023 2.639 5.188 1. 23.451 15.548 2. 3.329 87. 23. 3.034 0.088 9. 15. 3.388 8. 3. 4. 20.018 5.479 2. 8. 2.427 39.827 93.583 22.563 4.169 68.812 7. 3. 2.906 72. 7.871 50. 3.192 8. 22.820 6. 38. 11.425 49. 15. 21.561 29.274 9. 11.545 4. 2.955 41.668 4. 2.323 6. 20. 23. 4.471 2.520 3.322 2. 4. 12. 3. 17. 19.773 12. 2.656 94.992 8. 4.651 12. 30.740 9.340 15. 2. 2.104 7.055 4.149 26.275 13. 13.737 7.989 6.488 13. 10. 4. 2. 23.535 8. 22.051 7. 9.752 80.704 2.334 8.159 9. 4.661 87.722 30. 13. 2. 22.312 94. 3.896 88. 4. 9.074 7.337 5.839 2.627 3.834 1.223 89. 23.389 5.190 8.966 3. 4.439 35.019 4. 5.160 2.736 4.937 98. 2.907 38. 24.996 6.961 10.590 18.085 60.621 44. 4.264 11. 14.668 68.195 95. 3. 2. 10.312 3.551 36.734 9.583 4.433 6.073 13.177 64.314 9.312 10.029 77.843 7. 25. 2. 13.904 8.918 78. 24.503 59.072 15. 3.455 30. 24. 19.886 14.789 8.241 3.314 2. 14.727 1.264 4.916 5.490 2. 7. 2.964 7. 17. 3.708 0.895 63.628 11.085 11. 4. 3.377 12. 4. 2. 4. 31.

149054 2.269911 1.347655 3.497574 .Tabel 4b .SHA Shazam Instruksi Berkas _____________________________________________________________________ read (eg4.628260 4.000000 2.dta menulis (33) n t ly lx1 lx2 berhenti _____________________________________________________________________ Tabel 4 c .000000 3.000000 1.099995 15.726510 3.000000 1.119674 1. 13.233128 4. 2 = TE EFEK MODEL eg4.535361 4.058473 4.929490 1.000000 3.Listing EG4.Listing EG4.00000 4.716746 2.00000 4.00000 4. 2 = FUNGSI BIAYA y login VARIABEL TERGANTUNG (Y / N) 15 JUMLAH BAGIAN LINTAS 4 JUMLAH PERIODE WAKTU 60 JUMLAH PENGAMATAN DALAM JUMLAH 2 JUMLAH VARIABEL REGRESSOR (Xs) y MU (Y / N) [OR DELTA0 (Y / N) JIKA MENGGUNAKAN MODEL TE EFEK] y ETA (Y / N) [ATAU JUMLAH EFEK regressor TE (Zs)] n MULAI VALUES (Y / N) JIKA YA MAKA BETA0 Beta1 ATAS BETAK . .559169 2.dta DATA NAMA FILE KELUARAN eg4.123994 2.Listing EG4.000000 3.000000 1.INS Berkas Instruksi _____________________________________________________________________ 1 1 = KESALAHAN KOMPONEN MODEL.000000 3.242410 3.000000 1.DTA File Data _____________________________________________________________________ 1.467332 14.dat) n t y x1 x2 genr ly = log (y) genr lx1 = log (x1) genr lx2 = log (x2) 33 file eg4. .out NAMA FILE 1 1 = PRODUKSI FUNGSI.789132 _____________________________________________________________________ Tabel 4d .

dari berkas data pada contoh sebelumnya. 22.643 77. 15.000 15. .dat) n t y x1 x2 z1 genr ly = log (y) genr lx1 = log (x1) genr lx2 = log (x2) 33 file eg5.297 1.000 3. _____________________________________________________________________ 4. 4.SIGMA Squared GAMMA MU [ATAU DELTA0 ETA DELTA1 ATAS DELTAK] CATATAN: JIKA ANDA MEMULAI PENYEDIAAN VALUES DAN ANDA TELAH DIBATASI MU [OR DELTA0] UNTUK ZERO MAKA ANDA TIDAK HARUS MINUM A STARTING NILAI UNTUK PARAMETER INI. pertanyaan tentang 0 sudah dijawab oleh yes (baris 10) dan jumlah variabel z telah diatur untuk 1 (baris 11).834 60.000 14.314 9.DAT (lihat Tabel 5a) berisi satu lagi kolom (variabel z). 26.095 89.218 4.134 1. .Instruksi Shazam (lihat Tabel 5b) yang mirip dengan yang di contoh pertama. Instruksi FRONTIER file (EG5.737 7.799 1. 4. 13.340 4.621 44. kecuali bahwa data pada variabel z harus dibaca dan membaca.SHA Shazam Instruksi Berkas _____________________________________________________________________ read (eg5.INS) berbeda dalam sejumlah cara dari contoh sebelumnya: nomor model di line satu sudah disetel ke "2".309 4.416 35. 22.Listing EG5.124 4.131 9.886 5. 1. Dalam contoh ini kami perkirakan model yang penuh didefinisikan oleh (3) dan (4) dengan vektor z berisi variabel yang konstan dan lainnya (yang notabene merupakan trend waktu dalam contoh sederhana). 1.5 Battese dan Coelli (1995) spesifikasi (Model 2). 23.000 2. Jadi file data EG5. 1. Tabel 5a .000 .329 87. 4.639 5.dta .DAT File Data _____________________________________________________________________ 1.000 _____________________________________________________________________ Tabel 5b . 6.Listing EG5.

000000 15. .000000 14.559169 1.347655 1.058473 4.000000 1.242410 3.Listing EG5.497574 1.628260 4.789132 4.000000 3. 2 = TE EFEK MODEL eg5.716746 2.000000 2.000000 3.00000 4.000000 1.000000 1.DTA File Data _____________________________________________________________________ 1.menulis (33) n t ly lx1 lx2 z1 berhenti _____________________________________________________________________ Tabel 5c .929490 1.000000 2.000000 3.00000 4.535361 4.00000 4.000000 _____________________________________________________________________ Tabel 5d .149054 2.dta DATA NAMA FILE KELUARAN eg5.467332 4.119674 1.000000 1.000000 3.099995 4. .INS Berkas Instruksi _____________________________________________________________________ 2 1 = KESALAHAN KOMPONEN MODEL.out NAMA FILE 1 1 = PRODUKSI FUNGSI.233128 4.269911 1.000000 3.Listing EG5. 13. 2 = FUNGSI BIAYA y login VARIABEL TERGANTUNG (Y / N) 15 JUMLAH BAGIAN LINTAS 4 JUMLAH PERIODE WAKTU 60 JUMLAH PENGAMATAN DALAM JUMLAH 2 JUMLAH VARIABEL REGRESSOR (Xs) y MU (Y / N) [OR DELTA0 (Y / N) JIKA MENGGUNAKAN MODEL TE EFEK] 1 ETA (Y / N) [ATAU JUMLAH EFEK regressor TE (Zs)] n MULAI VALUES (Y / N) JIKA YA MAKA BETA0 Beta1 ATAS BETAK SIGMA Squared GAMMA MU [ATAU DELTA0 ETA DELTA1 ATAS .123994 2.000000 .726510 3.

J.E. 169-179.J. (1992). T. Battese. T.edu. Coelli. G.. T.E. (1993).A. (1995). . 3. Journal of Econometrics. Ekonomi Letters 39.J. "Sebuah Model untuk Efek Teknis inefisiensi dalam Fungsi Produksi Frontier Stokastik untuk Data Panel". 20. dan Coelli. Jurnal Ekonomi Pertanian Australia. P. Coelli. Ekonomi Empiris. maka Anda diminta untuk menghubungi penulis baik melalui email di: tcoelli@metz. T. dan Colby. 38 387399. 153-169. G. "Perkiraan Model Frontier Produksi: Dengan Aplikasi untuk Zona Pastoral Australia Timur".E. 21..J.J. "Properties Sampel Hingga penduga Frontier Stokastik dan Statistik Uji Asosiasi". "Perkembangan terbaru dalam Perkiraan Econometric dari Frontiers". (1988). "A Stochastic Frontier Memasukkan Fungsi Produksi Model Teknis Efek Inefisiensi". T. dan Coelli. GS (1977). Coelli. Makalah Ekonometrika dan Statistika Terapan. 29-32. "Program Komputer untuk estimasi Fungsi Produksi Frontier: FRONTIER. "Estimasi Fungsi Produksi Frontier dan Efisiensi dari Farms India Menggunakan Data Panel Dari Studi Tingkat Desa ICRISAT's". C. T. Journal of Econometrics. Journal of Econometrics.J. Jurnal Ekonomi Kuantitatif. "Prediksi Efisiensi Teknis Firm-Level Dengan Fungsi Produksi Frontier Generalised dan Data Panel". No.DELTAK] CATATAN: JIKA ANDA MEMULAI PENYEDIAAN VALUES DAN ANDA TELAH DIBATASI MU [OR DELTA0] UNTUK ZERO MAKA ANDA TIDAK HARUS MINUM A STARTING NILAI UNTUK PARAMETER INI.. 21-37. 39-56. P. 5. G. Makalah Bekerja di Ekonometrika dan Statistik Terapan. Versi baru dari FRONTIER telah mendapatkan manfaat secara signifikan dari umpan balik dari Anda pengguna. Armidale.K. G. 327-348. University of New England.69.E. (1990). Versi 2. Jika Anda belum diberikan salinan program secara langsung oleh penulis dan ingin diberitahu setiap bug besar atau versi baru silahkan hubungi penulis sehingga Anda mungkin dimasukkan di milis. Battese. Jika Anda memiliki saran tentang bagaimana program tersebut dapat diperbaiki atau jika Anda pikir Anda mungkin menemukan bug. D. Jurnal Analisis Produktivitas.E. Battese. dan Schmidt. 325-332. dan Coelli. Lovell.E. "Formulasi dan Perkiraan Produksi Frontier Stokastik Fungsi Model". 6. "Fungsi Produksi Frontier. (1993). 46.J. DAFTAR PUSTAKA Aigner. FINAL POINT Berbagai versi FRONTIER sekarang digunakan di lebih dari 150 lokasi di seluruh dunia. Bauer. No.22. T.0". G. Efisiensi Teknis dan Data Panel: Dengan Aplikasi untuk Petani Padi di India". Battese. dan Corra. G.une. Battese.70.C. _____________________________________________________________________ 5. (1992).W. dan Coelli.au atau dengan menulis ke alamat di bagian depan tulisan ini. Semoga banyak dari Anda akan melihat bahwa beberapa saran Anda telah diadopsi dalam versi baru ini.J. Departemen Ekonometrika. T. pp. Battese. (1977). (1989).

DIGUNAKAN DALAM PROSEDUR CARI unidimensional .1) NOMOR: DESCRIPTION: 5 iPrint . dan Schmidt. Sepuluh nilai dapat diubah di FRONT41.H.K.A. LF (1993).LIHAT BAWAH .1 File FRONT41.0. (1982).K. 413-430.M. dan Lovell. T. M. CAK dan Schmidt. Hughes. Journal of Econometrics. SS (Eds). Materov C. Journal of Ekonometrika Terapan. 19.S. Sebuah deskripsi singkat dari setiap nilai disediakan di bawah ini.. Schmidt.M. "Pengukuran dan Sumber Teknis inefisiensi dalam bahasa Indonesia dalam Tenun Industri". P.A.K.000. 0 = JANGAN PRINT 1 Indic . Pitt.A.SETIAP INFO PRINT "N" Iterasi. dan Schmidt. "Pada perkiraan Teknis inefisiensi dalam Stochastic Frontier Fungsi Produksi Model". McGraw-Hill. Tabel A1 . Coelli.Departemen Ekonometrika. Lovell HO. Lovell.. 715-723. (1980) "Fungsi Kemungkinan untuk estimasi Generalised Stochastic Frontier". (1993).E.. "Fungsi Produksi Frontier". 9. 9. 18. Himmelblau. Reifschneider. W. Journal of Econometrics. "Efisiensi Estimasi dari Cobb-Douglas Fungsi Produksi Dengan Terdiri Error". C. Jondrow.The FRONT41.000-up file mulai ____________________________________________________________ KUNCI NILAI DIGUNAKAN DALAM PROGRAM FRONTIER (VERSI 4. "estimator dan Tes Hipotesis untuk Stochastic: Sebuah Analisis Monte Carlo". Schmidt. (1977). The Pengukuran Efisiensi Produktif. Jurnal Analisis Produktivitas. R. International Economic Review. International Economic Review. P. (1995). J..PROGRAMMER'S GUIDE A. Journal of Econometrics. "Distribusi asimtotik untuk Maximum Likelihood Estimator untuk Stochastic Frontier Fungsi Model dengan Informasi Singular Matrix". 68-119.. "A Stochastic Frontier Fungsi Biaya untuk Penyediaan Penitipan Anak Residensial". 13 5-25. "Sistematik Berangkat dari Frontier: Sebuah Kerangka untuk Analisis Inefisiensi Perusahaan". MD (1988). Greene. (1979). Jurnal Ekonomi Pembangunan. Meeusen. K.64.R. P. Armidale. P. Lee. "Memperkirakan Inefisiensi Teknis dan Alokasi Sehubungan dengan Produksi Stochastic dan Frontiers Biaya". LF (1981). 289-328.. New York. 13 57-66.J. Forsund. dan Stevenson. 9. D. (1991). J. 32. 435-444. Terapan Non-Linear Programming. 247-268.43 . LAMPIRAN . di goreng.000 The FRONT41. Econometric Reviews. (1986). New York. dan Lee. Universitas New England. F. McGraw-Hill. Stevenson. (1993). (1980). C. Journal of Econometrics. Ekonometrik Teori. dan van den Broeck. Manual Referensi Shazam Pengguna Versi 7. W. "Sebuah Survei Frontier Fungsi Produksi dan mereka Hubungan dengan Efisiensi Pengukuran". I. D. "Pendekatan Ekonometrik Dari analisis Efisiensi". R. Oxford University Press. 6. 233-238. 203-214. 4. Lovell. 3. Putih.000 start-up file tercantum pada Tabel A1. (1972). 343-366..

maka informasi yang dicetak setiap 5 iterasi. Jika nilai ini mengatakan diatur ke 0.INI 0. Ini dapat digunakan sebagai berikut: Indic = 2 mengatakan tidak panjang langkah skala dalam pencarian uni-dimensi.MAKSIMUM YANG DIIZINKAN jumlah iterasi 1 ITE . 0 = SINGLE 0. Hal ini awalnya diatur ke 5.berhubungan dengan pencarian Coggin uni-dimensi yang dilakukan sebelum iterasi masing-masing untuk menentukan panjang langkah yang optimal. Sebuah 0 akan mengakibatkan ada pelaporan informasi intermediate. ANDA DAPAT MENGUBAH ANGKA DALAM FILE INI JIKA ANDA WISH. Armidale. 2351 AUSTRALIA.1 GRIDNO .00001 TOL . CEPA KERJA KERTAS 96/07.TOLERANSI DIGUNAKAN DALAM PROSEDUR PENCARIAN UNIDIMENSI 1. UNIVERSITAS INGGRIS BARU.1 AKURASI = PENELUSURAN GRID DOUBLE.TOLERANSI KONVERGENSI (proporsional) 0.1 = PRINT SEMUA PERKIRAAN TE.001 TOL2 . dan India = nomor lainnya mengatakan skala ( untuk panjang langkah terakhir) Untuk informasi lebih lanjut lihat Himmelblau (1972).UKURAN 1ST LANGKAH DALAM PROSEDUR PENCARIAN 1 IGRID2 . 0 PRINT = HANYA MEAN TE NOMOR YANG DALAM FILE INI OLEH PROGRAM FRONTIER KAPAN DIMULAI PELAKSANAAN.00001 Langkah 1 .0D +16 bignum .00001 maka prosedur iterasi akan berakhir pada saat perubahan proporsional dalam fungsi log-likelihood dan di masing-masing parameter estimasi semua kurang dari . IT IS DIBERITAHU BAHWA CADANGAN DARI FILE INI DIBUAT SEBELUM PERUBAHAN. UNTUK INFORMASI LEBIH PADA VARIABEL INI LIHAT: COELLI (1996).LANGKAH DIAMBIL DI CARI GRID AKURASI SINGLE ON GAMMA 100 MAXIT . 2) Indic . Hal ini dapat diatur untuk setiap nilai integer nonnegatif.menentukan seberapa sering informasi pada nilai fungsi likelihood dan vektor estimasi parameter harus dicatat selama proses iteratif.DIGUNAKAN UNTUK SET batas PADA DEN & DIST 0. 3) TOL .mengatur toleransi konvergensi pada proses iteratif. Indic NILAI: Indic = 2 mengatakan tidak panjang langkah skala dalam pencarian unidimensional Indic = 1 mengatakan skala (dengan panjang langkah terakhir) hanya jika langkah terakhir lebih kecil Indic = nomor lainnya mengatakan skala (dengan panjang langkah terakhir) ____________________________________________________________ 1) iPrint . NSW. Indic = 1 mengatakan skala (dengan panjang langkah terakhir) hanya jika langkah terakhir adalah lebih kecil.

dan 0 akan menekan mereka. presisi yang lebih besar akan diperoleh jika angka yang lebih besar diperbolehkan. bagaimanapun. Kemudian panggilan MINI.0e +16 untuk PC IBM.mengatur toleransi diperlukan pada pencarian Coggin uni-dimensi dilakukan setiap iterasi untuk menentukan panjang langkah. Ini termasuk estimasi parameter.menentukan apakah perkiraan efisiensi individu harus tercantum dalam file output.mengatur lebar langkah-langkah yang diambil dalam pencarian grid antara nol dan satu di parameter. Metode Davidon-Fletcher-Powell digunakan.2 subroutine Deskripsi EXEC: Ini adalah program panggilan utama. Hal ini terutama suatu pilihan yang berguna ketika file batch ditulis untuk simulasi monte carlo. Nilai 1 akan menyebabkan mereka akan dicatatkan. 5) bignum .00001.menetapkan jumlah maksimum iterasi yang akan dilakukan. GRID: Apakah kotak pencarian di atas. Kesalahan dengan underflows numerik dan meluap adalah masalah yang paling sering ditemui oleh orang-orang mencoba menginstal versi sebelumnya dari program ini di berbagai komputer mainframe. 4) TOL2 . Untuk informasi lebih lanjut lihat Himmelblau (1972). 10) ITE . Ini pertama kali membaca FRONT2. standar error perkiraan. A.Ini harus ditetapkan dengan hati-hati karena terlalu besar nilai yang dapat mengakibatkan keluar kanan 'melangkah' program ruang parameter masuk akal. 7) IGRID2 .000-up file mulai sebelum menelepon INFO. INFO: subrutin ini membaca petunjuk baik dari file atau dari terminal kemudian membaca file data. MINI: Ini adalah subroutine utama dari program ini. MINI kemudian melakukan loop iterasi utama FRONTIER. Untuk informasi lebih lanjut lihat keterangan dari pencarian grid dalam Bagian 3.batas ukuran jumlah terbesar bahwa program harus berurusan dengan. 9) MAXIT . 6) Langkah 1 .Nomor ini telah diatur untuk 1. memanggil SEARCH. Untuk informasi lebih lanjut lihat keterangan dari pencarian grid dalam Bagian 3. SEARCH: Melakukan penelusuran uni-dimensi untuk menentukan panjang langkah . ETA dan CONVRG berulang kali sampai kriteria konvergensi terpenuhi (atau jumlah iterasi maksimum tercapai).bendera yang jika diset ke 1 akan menyebabkan pencarian grid untuk menyelesaikan tahap kedua kotak pencarian di sekitar estimasi diperoleh pada tahap pertama dari pencarian grid.0. HASIL: Mengirimkan semua hasil akhir ke file output. Hal pertama panggilan GRID untuk melakukan pencarian grid (asumsi nilai awal tidak ditentukan oleh pengguna).set ukuran langkah pertama dalam proses iteratif. Penggunaan utamanya adalah untuk menempatkan batas pada apa nomor terkecil dapat di subrutin DEN (yang mengevaluasi fungsi densitas standar normal) dan DIS (yang mengevaluasi fungsi distribusi standar normal). 8) GRIDNO . Hal ini biasanya akan aman untuk meninggalkan sebagai itu. t-rasio. Jika Anda berencana untuk memasang program ini pada komputer mainframe dianjurkan bahwa Anda berkonsultasi dengan staf pendukung komputer pada setting yang benar dari nomor ini. dan individu dan rata-rata estimasi efisiensi teknis. Jika diatur ke nol hanya tahap pertama dari grid pencarian akan dilakukan.

FUN1: Menghitung negatif dari fungsi log-likelihood (LLF) Model 1. Baru! Klik kata di atas untuk melihat terjemahan alternatif. DIS: Mengevaluasi fungsi distribusi dari suatu variabel acak standar normal. 1972). <2> 0 dan-2U <2U). Singkirkan Google Terjemahan untuk:PenelusuranVideoEmailPonselObrolanBisnis Tentang Google TerjemahanMatikan terjemahan instanPrivasiBantuan . Metode Coggin digunakan (lihat Himmelblau. OLS: Menghitung estimasi Kuadrat Terkecil Biasa model yang akan digunakan sebagai nilai awal.00001) proses iteratif akan berakhir. DER2: Menghitung derivatif parsial pertama dari negatif dari LLF Model 2. Jika perubahan proporsi dalam fungsi log-likelihood dan masing-masing parameter tidak lebih besar dari nilai TOL (awalnya diatur ke 0. ETA: ini update subrutin arah matriks menurut metode Davidon-Fletcher-Powell di setiap iterasi. PERIKSA: Memastikan bahwa parameter yang diperkirakan tidak usaha di luar batasbatas teoretis (yaitu 0 <<1. FUN2: Menghitung negatif dari fungsi log-likelihood (LLF) Model 2.optimal untuk iterasi berikutnya. DER1: Menghitung derivatif parsial pertama dari negatif dari LLF Model 1. Invert: membalikkan diberikan matriks. Hal ini juga menghitung kesalahan standar OLS yang disajikan dalam output akhir. FUNGSI: DEN: Mengevaluasi fungsi densitas dari standar normal variabel acak.Perhatikan bahwa FRONTIER meminimalkan negatif dari L LF yang setara dengan memaksimalkan LLF tersebut. Untuk informasi lebih lanjut lihat Himmelblau (1972). CONVRG: Pengujian kriteria konvergensi pada akhir setiap iterasi.