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

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

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

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

1 File Dibutuhkan Pelaksanaan FRONTIER Versi 4. File-file data dan instruksi harus diciptakan oleh user sebelum eksekusi.ini dicapai dengan ekspresi yang berasal untuk ekspektasi bersyarat dari fungsi dari pada Ui. Versi 2.1 mengasumsikan bentuk fungsional linier. dan data harus tersedia dalam unit asli. bagaimanapun. dan hati-hati membaca dokumen ini sebelum menggunakan Versi 4. Jadi jika Anda ingin memperkirakan fungsi produksi Cobb-Douglas. 1992).1 Orang.1 tersedia di akhir bagian ini. telah berubah. Data harus terdaftar oleh observasi. Anda akan. Sebagai contoh. File ini dibahas lebih lanjut dalam Lampiran A. TEST. 3. berisi nilai untuk beberapa variabel kunci seperti kriteria konvergensi. Ekspresi yang dihasilkan generalisasi hasil di Jondrow et al (1982) dan Battese dan Coelli (1988).] Contoh instruksi. Sebuah daftar dari perbedaan utama antara Versi 2.. bendera percetakan dan sebagainya. 1995).0 (Coelli.DTA) 4) Sebuah file instruksi (misalnya. data dan file output yang terdaftar dalam Bagian 4. karena program memperoleh log dari data yang disediakan untuk itu. telah diperoleh oleh perubahan minor teknis efisiensi ekspresi dalam makalah ini. FRONT41.EXE 2) The start-up file FRONT41.000 3) Sebuah file data (misalnya.000. disebut TEST. menemukan bahwa sejumlah hal yang sama. disebut TEST. akrab dengan versi sebelumnya dari FRONTIER harus mengasumsikan bahwa tidak ada yang tetap sama. tetapi banyak kecil. dan ekspresi untuk efisiensi biaya relatif terhadap perbatasan biaya. Output file yang dibuat oleh FRONTIER selama eksekusi [Catatan bahwa model dapat diperkirakan tanpa file instruksi jika program tersebut digunakan secara interaktif. Anda harus log semua masukan dan data keluaran sebelum membuat file data untuk program yang digunakan.1 pada IBM PC umumnya melibatkan lima file: 1) File executable FRONT41. File start-up.INS disebut) 5) Sebuah file output (misalnya. tergantung pada nilai yang diamati (Vi . yang merupakan versi terakhir didokumentasikan sepenuhnya. PROGRAM FRONTIER FRONTIER Versi 4. Ungkapan yang relevan untuk kasus fungsi produksi disediakan di Battese dan Coelli (1992) dan di Battese dan Coelli (1993. File teks yang dapat diedit jika pengguna ingin mengubah nilai-nilai. dan beberapa hal yang tidak begitu kecil. 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 : . 3.0 pengguna akan ingat bahwa Cobb-Douglas diasumsikan dalam versi itu.OUT). Versi 4.1 berbeda dalam berbagai cara dari FRONTIER Versi 2.Ui).0 dan 4. Program ini mensyaratkan bahwa data akan tercatat di file teks dan sangat khusus tentang format.

IGRID2. 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. jika variabel. program ini akan melewatkan dua langkah pertama dari prosedur. Jika Anda menggunakan silang tunggal-bagian data. Ini adalah diturunkan dalam lampiran di Battese dan Coelli (1992) . 3. Cobb-Douglas dan bentuk translog fungsional merupakan bentuk fungsional yang paling sering digunakan dalam analisis perbatasan stokastik.9 dengan penambahan ukuran 0. Nilai dianggap 0. Struktur dari file instruksi terdaftar pada bagian berikutnya.1. Mereka hanya digunakan ketika Model 2 sedang diperkirakan.3 + k + p)] zpit.1 Grid Search Seperti disebutkan sebelumnya.Semua penduga dengan pengecualian mencegat akan bias.1-0. pengguna ditanya apakah instruksi akan datang dari sebuah file atau terminal. diatur ke 1 (bukan 0) maka pencarian tahap kedua grid akan dilakukan di sekitar nilai-nilai yang diperoleh pada tahap pertama. 3.] The tiga langkah tersebut adalah: 1) Ordinary Least Squares (OLS) perkiraan fungsi diperoleh. pertanyaan akan diminta dalam urutan yang sama seperti yang ditampilkan dalam file instruksi. maka kolom 2 (periode waktu kolom) harus berisi nilai "1" di seluruh. 2) Sebuah pencarian grid dua tahap dilakukan. Setiap parameter lainnya (. Ukuran selisih ini bisa diubah dengan mengubah nilai dari variabel GRIDNO yang diatur ke nilai 0. pencarian grid dilakukan di ruang parameter. Z entri tercantum dalam tanda kurung siku untuk menunjukkan bahwa mereka tidak selalu diperlukan. 3. Lebar pencarian ini grid GRIDNO / 2 kedua sisi fase satu perkiraan dalam langkah GRIDNO/10. Perhatikan bahwa data harus sesuai diubah jika bentuk fungsional selain fungsi linier diperlukan. Jika pilihan (terminal) interaktif dipilih. atau 's) yang diatur ke nol dalam kotak pencarian.2.2 Prosedur Iterative Maksimalisasi Urutan pertama derivatif parsial dari fungsi log-kemungkinan Model 1 dan 2 adalah ekspresi yang panjang. Selanjutnya. 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. Harus ada setidaknya satu pengamatan pada setiap perusahaan N dan harus ada setidaknya satu pengamatan dalam periode waktu 1 dan dalam jangka waktu T.1 diasumsikan). 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). Setelah mengetik "FRONT41" untuk memulai eksekusi.2 Metode Tiga Langkah Estimasi Program ini akan mengikuti prosedur tiga langkah dalam mengestimasi estimasi maksimum likelihood dari parameter fungsi produksi frontier stokastik. [Jika mulai nilai yang ditentukan dalam file instruksi.000.000 start-up file. Program ini dapat menerima instruksi baik dari file atau dari terminal. di FRONT41.1 di FRONT41. Contoh melibatkan kedua bentuk akan disediakan dalam Bagian 4. Pengamatan dapat didaftar dalam urutan apapun tetapi kolom harus dalam urutan lain.2.

1995). 20.Variabel ITE di FRONT41. jika perubahan proporsional dalam fungsi kemungkinan dan masing-masing parameter kurang dari 0. Program kemudian update vektor estimasi parameter dengan metode Davidon-Fletcher-Powell sampai salah satu dari berikut terjadi: a) kriteria konvergensi adalah puas. 3.dan Battese dan Coelli (1993). Apabila salah perkiraan efisiensi berarti dilaporkan. Ukuran model yang sekarang dapat diestimasi dengan program ini hanya dibatasi oleh jumlah RAM yang tersedia pada PC Anda. yang tidak standar Fortran . yang juga memberikan gambaran tentang mekanika (bersama dengan kode Fortran) dari sejumlah metode yang lebih populer.3 Yang paling-kuadrat biasa estimasi. 2) Batas-batas ukuran tua di N. Untuk diskusi umum tentang manfaat relatif dari sejumlah Newton dan metode Quasi-Newton lihat Himmelblau (1972).000 start-up file oleh TOL parameter.4 Perbedaan Antara Versi 2. 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. Diputuskan bahwa tugas ini mungkin sebaiknya dihindari. Ini estimasi matriks kovarians juga terdaftar pada output. Hal ini saat ini ditetapkan dalam FRONT41. b) Jumlah maksimum dari iterasi diijinkan selesai. Perkiraan kesalahan standar ini diambil dari arah matriks yang digunakan dalam iterasi akhir prosedur Davidon-Fletcher-Powell. Saat ini sudah diatur sedemikian rupa sehingga. Kriteria konvergensi diatur dalam FRONT41.000 ke 100.000 dapat digunakan untuk menekan pencatatan efisiensi individu dalam file output. Output Program 3. MINI. maka kita mengalihkan perhatian kita kepada metode Quasi-Newton yang hanya membutuhkan vektor derivatif parsial pertama diturunkan. maka prosedur iterasi berakhir. masing-masing. karena program harus ditulis ulang menggunakan array dinamis dialokasikan. digunakan dalam FRONTIER diambil dari lampiran dalam Himmelblau (1972). memerlukan matriks turunan parsial kedua untuk dihitung. dengan mengubah nilainya 1-0.1 Perbedaan utama adalah sebagai berikut: 1) The Battese dan Coelli (1995) model (Model 2) sekarang dapat diperkirakan. T dan K telah dihapus. ini hanya rata-rata aritmetika dari efisiensi individu. yang ditemukan oleh banyak pengguna terlalu membatasi. Tindakan ini tidak datang dengan biaya beberapa meskipun. Perkiraan efisiensi teknis atau biaya masing-masing dihitung dengan menggunakan ekspresi disajikan dalam Battese dan Coelli (1991. Banyak metode gradien digunakan untuk mendapatkan estimasi maksimum likelihood. dan 20 masing-masing. ETA dan CONVRG. SEARCH. Prosedur iteratif mengambil nilai parameter yang diberikan oleh para pencari grid sebagai nilai awal (kecuali nilai mulai dipasok oleh pengguna). Batas Ukuran 100. Penghapusan batas-batas ukuran yang telah dicapai dengan menyusun program menggunakan kompiler Lahey F77L-EM/32 dengan extender DOS. perkiraan setelah pencarian grid dan perkiraan kemungkinan akhir maksimum semua disajikan dalam file output.00001. Kedua parameter ini dapat diubah oleh pengguna. seperti metode Newton-Raphson. Struktur umum dari subrutin.0 dan 4.

Program ini memperkirakan fungsi linear menggunakan data yang disediakan untuk itu. Hal ini terbukti dalam Gambar 1 yang terpotong plot fungsi kepadatan normal untuk nilai dari -2.0 ditulis untuk memperkirakan fungsi Cobb-Douglas. Nilai ini itu besar dalam arti bahwa itu adalah standar deviasi banyak dari nol (misalnya empat atau lebih). maka program akan menghitung perkiraan efisiensi yang sesuai.000. [Monte carlo Percobaan dilakukan di mana ditetapkan ke nol ketika sampel menghasilkan. Sebuah plot 3D dari fungsi log-likelihood di salah satu contoh ini menunjukkan tonjolan datar panjang di kemungkinan-log ketika diplot melawan dan 2.0 program. 4) Efisiensi perkiraan sekarang dapat dihitung jika variabel dependen mengungkapkan dalam satuan asli. mengingat berbagai dipotong bentuk distribusi normal yang masih diizinkan. Versi sebelumnya dari program ini diasumsikan variabel terikat adalah log.1. Besar negatif (tidak signifikan) nilai diperoleh pada sekitar 10% dari sampel. dengan menggunakan variabel iPrint di FRONT41. 1 dan 2 7) Informasi dari setiap iterasi sekarang dikirim ke file output (bukan ke layar). 6) Bounds kini telah ditempatkan pada rentang nilai yang dapat mengambil dalam Model 1. dan dihitung efisiensi sesuai. Akurasi perhitungan numerik daerah di ekor dari distribusi normal standar yang sejauh ini dari nol harus dipertanyakan. 3) Fungsi Biaya sekarang dapat diperkirakan. konfigurasi mesin berikut minimal dibutuhkan: IBM kompatibel 386 (atau lebih tinggi) PC dengan prosesor co-matematika. Pengguna sekarang dapat menunjukkan apakah variabel dependen login atau tidak. dan mengubah tampaknya tidak memiliki pengaruh besar terhadap perkiraan.konstruksi. Pengguna juga dapat sekarang menentukan seberapa sering (jika ada) informasi ini dilaporkan.] Ia kemudian memutuskan bahwa batas-batas di atas dikenakan. Ini tidak dipandang sebagai terlalu ketat. Contoh bagaimana memperkirakan Cobb-Douglas dan bentuk translog fungsional disediakan dalam Bagian 4. 10) Sebagai akibat dari penggunaan dari kompiler baru (rinci dalam huruf 2). 5) Versi 2.1 mengasumsikan bahwa semua transformasi yang diperlukan telah dilakukan untuk data sebelum menerimanya. Versi 4. . Kesalahan ini sudah diperbaiki di versi 4. nama-nama file data dan instruksi yang sekarang terdaftar dalam file output.Data yang disertakan dalam unit asli dan program menghitung log sebelum estimasi.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. tetapi tidak dibatasi estimasi. 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. 9) Sebuah kesalahan kecil terdeteksi di derivatif parsial pertama terhadap di Versi 2. Kesalahan ini hanya akan hasil terpengaruh ketika itu dianggap tidak nol.0. -1 0.Sebagai contoh. banyak yang disarankan oleh pengguna Versi 2.Fenomena ini sedang diselidiki lebih lanjut saat ini. Sekarang terbatas berkisar antara 2U. Program ini akan berjalan ketika hanya ada 4 RAM mb tetapi dalam beberapa kasus akan membutuhkan 8 RAM mb. 11) Ada juga sejumlah besar perubahan kecil yang dibuat untuk program.

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

DAT File Data _____________________________________________________________________ 1. File ini direproduksi dalam Tabel 1e.] Terakhir.SHA Shazam Instruksi Berkas _____________________________________________________________________ .DTA) dan nama file output (di sini kita telah menggunakan EG1.OUT) ditentukan.Listing EG1. On line 4 "1" dimasukkan untuk menunjukkan kita memperkirakan fungsi produksi. Kemudian pada empat baris berikutnya kita tentukan jumlah perusahaan (60). nilai awal.340 60.] Akhirnya kita ketik FRONT41 di DOS prompt. 1.285 4. 1.untuk menunjukkan apakah Model 1 atau 2 diperlukan. kita perlu menjawab pertanyaan-pertanyaan dalam kurung kotak pada baris 10 dan 11 dari instruksi file gantinya.297 3.329 87. 20. kita harus menjawab tidak untuk menentukan nilai awal karena kita ingin mereka yang akan dipilih menggunakan grid search [Jika kita telah menjawab ya untuk.358 9.134 2. 1. kemudian ketik nama file instruksi (EG1. maka kita perlu nilai-nilai awal untuk masing-masing jenis parameter.799 .778 9.834 60. . pilih pilihan instruksi file (f) [Jika Anda tidak ingin membuat file instruksi. Untuk model sederhana dalam contoh ini kita akan menjawab "n" dan "0".INS). 58. mengetik satu di setiap baris. 1. Karena bentuk sederhana model ini contoh pertama (dan dua berikutnya contoh) tidak masalah apakah "1" atau "2" dimasukkan.105 5. 12. 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. 1.643 77. jumlah pengamatan (60) dan jumlah regressor (2). Pada dua baris berikutnya dari file nama file data (EG1.124 59. dalam urutan tertentu. 21. masing-masing. 1. instruksi-instruksi yang sama dapat dikirim ke FRONTIER dengan memilih terminal (t) opsi dan menjawab serangkaian pertanyaan]. periode waktu (1). [Catatan bahwa jika kita memilih model 2 pada baris pertama dari file instruksi.Listing EG1. 24.855 5. 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).OUT). 14.124 7. Tabel 1a . Kita harus menjawab tidak untuk karena kita hanya memiliki satu lintas -bagian data dan karenanya tidak dapat mempertimbangkan waktu bervariasi efisiensi.416 35.095 89.. 27. .218 _____________________________________________________________________ Tabel 1b . Pada tiga baris berikutnya kita tidak menjawab (n) untuk setiap pertanyaan. 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.].621 44.

DTA File Data _____________________________________________________________________ 1.628260 4.000000 1.646529 1.INS Berkas Instruksi _____________________________________________________________________ 1 1 = KESALAHAN KOMPONEN MODEL.000000 3.535361 4.233128 4. 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] .547725 2.000000 2.000000 3.726510 3.559169 2.out NAMA FILE 1 1 = PRODUKSI FUNGSI.242410 3.dta DATA NAMA FILE KELUARAN eg1. .467332 59.00000 1.Listing EG1.000000 1.read (eg1.789132 _____________________________________________________________________ Tabel 1d .000000 3.061426 2. 58. . 2 = TE EFEK MODEL eg1.dta menulis (33) n t ly lx1 lx2 berhenti _____________________________________________________________________ Tabel 1c .189859 1.00000 1.497574 .000000 3.347655 3.058473 4.099995 60.dat) n t y x1 x2 genr ly = log (y) genr lx1 = log (x1) genr lx2 = log (x2) 33 file eg1.000000 2.037594 1.00000 1.Listing EG1.300419 2.000000 1.

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 0.28049246E 00 beta 2 0.ins file data = eg1.11398496E 00 log kemungkinan fungsi =-0.28049246E +00 0.11465114E beta 1 0.58014216E 00 beta 1 0.24489834E 0.18446849E +02 perkiraan setelah pencarian grid: beta 0 0.OUT Output File _____________________________________________________________________ Output dari program FRONTIER (Versi 4.53330637E 00 sigma-squared 0.58354940E 01 beta 2 0.21360307E +00 +00 +01 0.17034854E +02 .53330637E +00 0.48066617E-01 0.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.51498586E-01 0.1) instruksi file = eg1.10355748E +02 sigma-squared 0.Listing EG1. _____________________________________________________________________ Tabel 1e .22067413E 00 gamma 0.80000000E 00 mu dibatasi dengan nol eta dibatasi dengan nol iterasi = 0 func evals = 19 llf =-0.

33954545E 01 gamma 0.0.56160697E 0.31446721E-02-02 0.11855501E +02 sigma-squared 0.40456494E 0.27718331E beta 1 0.28049246E +00 +00 +00 0.58014216E 0.80030279E-02-02 0.56161963E 0.80000000E +00 +00 gradien langkah iterasi = 5 func evals = 41 llf =-0.47643365E-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: 0.28110205E +00 0.31446721E-02-0.56161963E 0.58436004E mu dibatasi dengan nol eta dibatasi dengan nol log kemungkinan fungsi =-0.13642399E +00 +00 +01 0.79718731E +00 +00 iterasi = 7 func evals = 63 llf =-0.22067413E 0.45251553E-01 0.53647981E 0.41053521E-01-0.92519362E-02 -0.79720730E +00 +00 perkiraan MLE final adalah: koefisien standar-kesalahan t-rasio beta 0 0.17027229E +02 0.53647981E +00 0.59001301E 01 beta 2 0.28110205E +00 +00 +00 0.21700046E 0.28108701E +00 +00 +00 0.22698902E 0.17027230E +02 0.21700046E +00 0.79720730E 0.29528845E-04-0.40106205E-04-0.17027229E +02 LR uji kesalahan satu sisi = 0.21694170E 0.63909106E-01 0.53330637E 0.20261668E +00 +00 +01 0.91550467E-04 .53647803E 0.

FRONTIER tidak memiliki masalah membaca ini bentuk file data] dari EG1. nomor tambahan akan muncul pada baris baru.74056772E 00 _____________________________________________________________________ 4.18611506E-01 teknis efisiensi perkiraan: perusahaan eff.Ui).778 9.DTA. 24. karena file ini EG2. .643 77.20477030E-02-0. 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 . . tetapi hanya daftar 4 tabel: 2a ke 2d.134 2. 58 0.16404645E-03 0.16404645E-03-02 0.Listing EG2.2.70842786E 00 berarti efisiensi = 0. Dan di EG2.80030279E-02-04 0.-0. dan Ui telah dipotong distribusi normal.-est. Jika Anda memiliki lebih dari lima kolom.40843738E 0.66471456E 00 59 0. Li dan Vi adalah seperti yang didefinisikan sebelumnya.297 3.40456494E-02-0.91550467E-04-0. 1 0. Kami mengikuti presentasi mirip dengan yang di Bagian 4.47190308E-04-02 0.47190308E-04-0.799 ..416 35.DTA berisi tiga lebih kolom [ Perhatikan bahwa perintah Shazam MENULIS hanya akan mencantumkan lima angka pada setiap baris.285 4.DAT File Data _____________________________________________________________________ 1.72642592E 00 . Tabel 2a .40106205E 0.1 dan di sini adalah bahwa: istilah kuadrat dan interaksi harus dihasilkan dalam file instruksi Shazam (lihat Tabel 2b). 20. Perbedaan utama yang perlu diperhatikan antara prosedur dalam Bagian 4.82889151E 00 3 0. 1.29528845E-04-0. Kami menekan daftar dari file output untuk menghemat ruang.65068880E 00 2 0. . 1. mana Qi.095 89. 1. . Ki.INS kami telah membuat jumlah regressor sebesar 5 dan menjawab ya (y) terhadap pertanyaan (karena kita ingin Ui akan terpotong normal ).2 Sebuah frontier translog produksi dengan menggunakan data cross-sectional dan mengasumsikan distribusi normal terpotong. 12.85670448E 00 60 0.67450773E-02 0.67450773E 0.855 5.92519362E-02-0.

981118 2.621 44. 27. 58.00000 1.Listing EG2. 1.789132 2.000000 2.726510 3.DTA File Data _____________________________________________________________________ 1.358 9..INS Berkas Instruksi _____________________________________________________________________ 1 1 = KESALAHAN KOMPONEN MODEL. 1.099995 4.Listing EG2.347655 2.037594 1.35752 6.559169 5.834 60.058473 4.541973 _____________________________________________________________________ Tabel 2d .218 _____________________________________________________________________ Tabel 2b . 21.651230 20.189859 1.061426 2.675219 3.66769 7. 14.329 87.242410 3.628260 4.646529 1.90211 6.000000 1. 1.976124 59.22817 7.000000 1. .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 eg2.028404 12.000000 1.SHA Shazam Instruksi Berkas _____________________________________________________________________ read (eg2.00000 1.124 7.986860 19.547725 2.00000 1.000000 3.535361 4.323218 .237312 16.233128 4.340 60.467332 4.439730 60.dta menulis (33) t n ly lx1 lx2 lx1s lx2s lx12 berhenti _____________________________________________________________________ Tabel 2c . 2 = TE EFEK MODEL .980835 14.497574 2.105 5.357333 18.000000 2.95706 9.Listing EG2.000000 3. .124 59. 58.80996 8.300419 2.000000 3.000000 3.

368 16. 445. masing-masing.925 28. dan Vi dan Ui dianggap normal dan setengah-normal didistribusikan. Dalam contoh ini kita ingin memperkirakan biaya perbatasan Cobb-Douglas: (9) ln (Ci / Wi) = 0 + 1ln (Qi) + 2ln (Ri / Wi) + (Vi + Ui). 1. C. _____________________________________________________________________ 4.DTA (lihat Tabel 3c). 783.098 3.469 35. Ri dan Wi adalah biaya. output. Qi.dta DATA NAMA FILE KELUARAN eg2. dalam urutan (lihat Tabel 3a). 439. Tabel 3a . 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.591 2. waktu. Kode Shazam dalam Tabel 3b menghasilkan variabel berubah yang diperlukan dan menempatkan mereka di EG3.DAT File Data _____________________________________________________________________ 1.eg2.564 .857 23.893 11. harga modal dan harga tenaga kerja. mana Ci.322 12.742 24.DAT berisi 60 observasi pada perusahaan-id periode. 1. 1.out NAMA FILE 1 1 = PRODUKSI FUNGSI. File EG3.813 34. masing-masing.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. R dan W. Q.3 A Cobb-Douglas biaya perbatasan dengan menggunakan data cross-sectional dan asumsi distribusi normal setengah.Listing EG3.

1422282 . 58.5858576 3. 1114.Listing EG3..481671 -0.369 32.000000 3.310640 3.191381 -0. 408.9057584 60.8744549 2. 1.Listing EG3.882 59.550709 -0.292668 3.625840 3.580542 -0. 2 = TE EFEK MODEL eg3.281 60.234 20.946442 3. 58. .558 26.00000 1.SHA Shazam Instruksi Berkas _____________________________________________________________________ read (eg3.000000 3.853 10. .3262144 59.919 29.990748 3.out NAMA FILE 2 1 = PRODUKSI FUNGSI. .000000 2.514 14.00000 1. 1.6875683 _____________________________________________________________________ Tabel 3d . 216. .864203 3.Listing EG3.672 _____________________________________________________________________ Tabel 3b . 2 = FUNGSI BIAYA y login VARIABEL TERGANTUNG (Y / N) 60 JUMLAH BAGIAN LINTAS 1 JUMLAH PERIODE WAKTU .DTA File Data _____________________________________________________________________ 1.291680 -0.848 9.000000 1. 1.411 23.000000 1.dta menulis (33) n t lcw LQ lrw berhenti _____________________________________________________________________ Tabel 3c .dat) t n c q w r lcw log = genr (c / w) genr LQ = log (q) lrw log = genr (r / w) 33 file eg3.dta DATA NAMA FILE KELUARAN eg3.888 7.INS Berkas Instruksi _____________________________________________________________________ 1 1 = KESALAHAN KOMPONEN MODEL.000000 3.000000 2.037258 -0.000000 2.00000 1.000000 1.

1.DAT File Data _____________________________________________________________________ 1. 16.174 7. 1. 1. 1.432 9. 1. 16. 16.698 5. 1.258 97. 1.095 89. 10. Kami menggunakan data pada 15 perusahaan yang diamati selama 4 periode waktu.799 4. 1.066 92. 1.897 1.380 .416 35.239 0. 12.886 5. 1.096 13.434 1.203 6. 1.4 Battese dan Coelli (1992) spesifikasi (Model 1). 1.761 11.084 9. 15.580 7.676 3.Listing EG4. 8. 29. Dalam contoh ini kami perkirakan model yang penuh didefinisikan oleh (2).033 55. 1.344 65. _____________________________________________________________________ 4. 1.878 6.604 24.975 73.334 82.643 77. 12. 2.876 10.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 4.076 81.717 27. 11. 26.618 0.903 7.309 4. Instruksi Shazam (lihat Tabel 4b) tidak berbeda dengan contoh pertama.476 12.131 9. dan dan pertanyaan yang telah dijawab oleh ya ( y).907 8. Data yang telah direproduksi secara penuh pada Tabel 4a untuk memperjelas bentuk perusahaan-id dan kolom waktu periode (kolom 1 dan 2).232 4.60 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. 6.134 2.130 14.350 38.605 8. 1.168 4. 19.297 3.935 35. 10.032 2. Tabel 4a .350 15.

884 1.069 6.583 4.834 1. 13.337 5.459 4.322 2.906 72.773 12. 4.752 80. 3. 4.149 26.440 63.018 5. 22. 2. 2.124 14. 31. 4.023 2.471 2. 2.734 9.621 44.160 2.192 8.812 7. 2.195 95.961 10.583 22. 7. 2.871 50. 3. 4.405 42. 24.551 36.992 8.843 7. 4.159 9.377 12. 3.051 7. 11.704 2.275 13.886 14.708 0. 23. 2.085 11.218 _____________________________________________________________________ . 14. 24. 14.966 3.590 18. 22. 30. 4.085 60. 18.661 87. 23. 4.055 4.737 7.455 30. 4.498 0.789 8.740 9. 23.040 50.190 8. 2. 2.433 6.627 3.334 8.312 40.907 38.488 13.490 2.548 2.989 6.545 4. 3.312 3.628 11.964 7. 3. 11. 4. 3.128 1. 13.690 1.427 39. 19.104 7. 2.425 49.241 3.264 4.451 15.651 12.074 7. 17.834 60.741 10. 3. 15.188 1.312 94.937 98. 2. 4.895 63. 2.839 2. 2.503 59.574 4.921 0. 21.904 8.612 7. 25. 20. 23.1. 19. 14.169 68.479 2. 2.955 41.424 6.073 13.019 4.520 3.656 94. 8. 20.896 88. 2.820 6.314 9.312 10. 7. 10.314 2.029 77. 9. 10. 3. 2.736 4.055 77. 3.439 35.323 6.996 6.340 15.668 68. 3.535 8.177 64.916 5.639 5.329 87.688 2.668 4. 38. 4.379 6. 4.389 5. 3.891 59.561 29.220 57. 3. 4. 9.556 6. 4. 15.034 0. 2. 22.936 2.274 9. 12.223 89. 3.149 5.722 30.918 78. 3.563 4. 4. 5.265 95.072 15. 13.182 14. 23.827 93. 17.264 11. 3. 24.727 1.088 9. 7. 4.388 8.

269911 1.467332 14.Listing EG4. 2 = TE EFEK MODEL eg4.000000 3.000000 1.000000 3.347655 3.726510 3.dta DATA NAMA FILE KELUARAN eg4.242410 3.000000 1.119674 1.789132 _____________________________________________________________________ Tabel 4d .000000 3.out NAMA FILE 1 1 = PRODUKSI FUNGSI.058473 4.00000 4.INS Berkas Instruksi _____________________________________________________________________ 1 1 = KESALAHAN KOMPONEN MODEL.000000 1.716746 2.Tabel 4b . 13.00000 4.00000 4.000000 3.099995 15. .DTA File Data _____________________________________________________________________ 1. 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 .000000 2.497574 . .149054 2.929490 1.628260 4.Listing EG4.000000 1.SHA Shazam Instruksi Berkas _____________________________________________________________________ read (eg4.dta menulis (33) n t ly lx1 lx2 berhenti _____________________________________________________________________ Tabel 4 c .dat) n t y x1 x2 genr ly = log (y) genr lx1 = log (x1) genr lx2 = log (x2) 33 file eg4.535361 4.123994 2.559169 2.Listing EG4.233128 4.

6.314 9. 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). 13. Jadi file data EG5.000 3.131 9.SHA Shazam Instruksi Berkas _____________________________________________________________________ read (eg5.000 .000 _____________________________________________________________________ Tabel 5b .309 4.dat) n t y x1 x2 z1 genr ly = log (y) genr lx1 = log (x1) genr lx2 = log (x2) 33 file eg5. 23. dari berkas data pada contoh sebelumnya.000 15.5 Battese dan Coelli (1995) spesifikasi (Model 2). .799 1.DAT (lihat Tabel 5a) berisi satu lagi kolom (variabel z).dta .621 44. 22. 26. 4. .000 14.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.639 5.Listing EG5.737 7.INS) berbeda dalam sejumlah cara dari contoh sebelumnya: nomor model di line satu sudah disetel ke "2". Instruksi FRONTIER file (EG5. 1.416 35.DAT File Data _____________________________________________________________________ 1. _____________________________________________________________________ 4. 22.218 4. pertanyaan tentang 0 sudah dijawab oleh yes (baris 10) dan jumlah variabel z telah diatur untuk 1 (baris 11).297 1.886 5.124 4.095 89.Instruksi Shazam (lihat Tabel 5b) yang mirip dengan yang di contoh pertama.329 87.000 2.Listing EG5. kecuali bahwa data pada variabel z harus dibaca dan membaca. 15. 1. 4.134 1.834 60. 4. Tabel 5a . 1.643 77.340 4.

000000 2.000000 3.000000 1.929490 1.149054 2.000000 _____________________________________________________________________ Tabel 5d .559169 1. 2 = TE EFEK MODEL eg5.00000 4.000000 .347655 1. . .000000 3.789132 4.out NAMA FILE 1 1 = PRODUKSI FUNGSI.Listing EG5.123994 2.269911 1.000000 3.119674 1.menulis (33) n t ly lx1 lx2 z1 berhenti _____________________________________________________________________ Tabel 5c .Listing EG5.000000 2. 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 .726510 3.000000 3.000000 1.000000 1.233128 4.716746 2.000000 14.000000 1.535361 4.00000 4. 13.000000 3.628260 4.dta DATA NAMA FILE KELUARAN eg5.DTA File Data _____________________________________________________________________ 1.497574 1.467332 4.242410 3.058473 4.00000 4.099995 4.INS Berkas Instruksi _____________________________________________________________________ 2 1 = KESALAHAN KOMPONEN MODEL.000000 15.

"Program Komputer untuk estimasi Fungsi Produksi Frontier: FRONTIER.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. "A Stochastic Frontier Memasukkan Fungsi Produksi Model Teknis Efek Inefisiensi".J.. dan Schmidt. FINAL POINT Berbagai versi FRONTIER sekarang digunakan di lebih dari 150 lokasi di seluruh dunia.J.E. _____________________________________________________________________ 5. Versi 2. T. Journal of Econometrics. dan Corra.J. G. No. Battese. T. (1992).E. Makalah Ekonometrika dan Statistika Terapan. "Estimasi Fungsi Produksi Frontier dan Efisiensi dari Farms India Menggunakan Data Panel Dari Studi Tingkat Desa ICRISAT's".E. Departemen Ekonometrika. Battese. dan Coelli. "Sebuah Model untuk Efek Teknis inefisiensi dalam Fungsi Produksi Frontier Stokastik untuk Data Panel". T.J. (1995). (1990). "Perkiraan Model Frontier Produksi: Dengan Aplikasi untuk Zona Pastoral Australia Timur". University of New England. 5. 327-348.0". (1989).. C.au atau dengan menulis ke alamat di bagian depan tulisan ini. (1993).E. D. Jurnal Ekonomi Pertanian Australia. 325-332. 153-169. "Perkembangan terbaru dalam Perkiraan Econometric dari Frontiers". 21-37. "Properties Sampel Hingga penduga Frontier Stokastik dan Statistik Uji Asosiasi". Battese. 38 387399. G. 20. G. T. dan Coelli. Jurnal Analisis Produktivitas.J. GS (1977).22. (1993). P. "Prediksi Efisiensi Teknis Firm-Level Dengan Fungsi Produksi Frontier Generalised dan Data Panel". 3. dan Colby. Makalah Bekerja di Ekonometrika dan Statistik Terapan. G.A. Battese. maka Anda diminta untuk menghubungi penulis baik melalui email di: tcoelli@metz. 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. "Formulasi dan Perkiraan Produksi Frontier Stokastik Fungsi Model". Journal of Econometrics. T. Ekonomi Letters 39.W. Efisiensi Teknis dan Data Panel: Dengan Aplikasi untuk Petani Padi di India". Jika Anda memiliki saran tentang bagaimana program tersebut dapat diperbaiki atau jika Anda pikir Anda mungkin menemukan bug. No.J. dan Coelli.une. (1988).J. Ekonomi Empiris. 46. Jurnal Ekonomi Kuantitatif.C. (1977). Battese. Bauer. Armidale.J. 39-56. G. 29-32. G.K. Battese. T. Coelli.69.E.E. 169-179. (1992). "Fungsi Produksi Frontier.edu. Versi baru dari FRONTIER telah mendapatkan manfaat secara signifikan dari umpan balik dari Anda pengguna. dan Coelli.70. Lovell. pp.. Coelli. T. Semoga banyak dari Anda akan melihat bahwa beberapa saran Anda telah diadopsi dalam versi baru ini. Journal of Econometrics. . DAFTAR PUSTAKA Aigner. T. 6. Coelli. P. 21.

dan Stevenson.64.A. Journal of Econometrics. 9.. 6. Jurnal Ekonomi Pembangunan. "A Stochastic Frontier Fungsi Biaya untuk Penyediaan Penitipan Anak Residensial". "Sistematik Berangkat dari Frontier: Sebuah Kerangka untuk Analisis Inefisiensi Perusahaan". 18. Journal of Ekonometrika Terapan.M. Putih.000-up file mulai ____________________________________________________________ KUNCI NILAI DIGUNAKAN DALAM PROGRAM FRONTIER (VERSI 4. P. Lee.1 File FRONT41.Departemen Ekonometrika. (1986). "Sebuah Survei Frontier Fungsi Produksi dan mereka Hubungan dengan Efisiensi Pengukuran". Jondrow. "Pengukuran dan Sumber Teknis inefisiensi dalam bahasa Indonesia dalam Tenun Industri". 13 5-25. (1995). "Memperkirakan Inefisiensi Teknis dan Alokasi Sehubungan dengan Produksi Stochastic dan Frontiers Biaya".. 4. Manual Referensi Shazam Pengguna Versi 7. 68-119. D. (1980) "Fungsi Kemungkinan untuk estimasi Generalised Stochastic Frontier". Coelli.. Stevenson. W. 233-238. Jurnal Analisis Produktivitas. Lovell. P. J. "Pada perkiraan Teknis inefisiensi dalam Stochastic Frontier Fungsi Produksi Model". Oxford University Press.000. 413-430. dan Schmidt..A. "Pendekatan Ekonometrik Dari analisis Efisiensi". Hughes. 203-214. 9. Materov C. 3. Lovell.000 start-up file tercantum pada Tabel A1.K.M. M. New York. LAMPIRAN .DIGUNAKAN DALAM PROSEDUR CARI unidimensional . (1982)..K. dan Lee. (1979).43 . McGraw-Hill.1) NOMOR: DESCRIPTION: 5 iPrint . New York. Greene. T.0. Journal of Econometrics.E. 19. Armidale. "Fungsi Produksi Frontier". "Distribusi asimtotik untuk Maximum Likelihood Estimator untuk Stochastic Frontier Fungsi Model dengan Informasi Singular Matrix". 13 57-66.R.S. LF (1981). (1991). Schmidt. (1980). R.000 The FRONT41. 32. Meeusen. SS (Eds). Terapan Non-Linear Programming. (1993). dan van den Broeck. F.J. P.H.The FRONT41. C. C. Sepuluh nilai dapat diubah di FRONT41. McGraw-Hill. (1972). 343-366. dan Lovell. CAK dan Schmidt. D. P. 435-444.A. Himmelblau. (1993). 289-328. di goreng. Tabel A1 . J. The Pengukuran Efisiensi Produktif.LIHAT BAWAH . 0 = JANGAN PRINT 1 Indic . (1977).SETIAP INFO PRINT "N" Iterasi. Universitas New England. "estimator dan Tes Hipotesis untuk Stochastic: Sebuah Analisis Monte Carlo". Lovell HO. Journal of Econometrics. LF (1993)..PROGRAMMER'S GUIDE A. dan Schmidt. "Efisiensi Estimasi dari Cobb-Douglas Fungsi Produksi Dengan Terdiri Error". 715-723. Journal of Econometrics. Reifschneider. K.. Econometric Reviews. W. International Economic Review. Schmidt. Ekonometrik Teori. 247-268. Forsund.K. Pitt. I. R. Sebuah deskripsi singkat dari setiap nilai disediakan di bawah ini. 9. MD (1988). International Economic Review.

1 AKURASI = PENELUSURAN GRID DOUBLE. dan India = nomor lainnya mengatakan skala ( untuk panjang langkah terakhir) Untuk informasi lebih lanjut lihat Himmelblau (1972).INI 0.00001 Langkah 1 . 0 = SINGLE 0. Indic = 1 mengatakan skala (dengan panjang langkah terakhir) hanya jika langkah terakhir adalah lebih kecil.1 GRIDNO .1 = PRINT SEMUA PERKIRAAN TE. maka informasi yang dicetak setiap 5 iterasi.TOLERANSI DIGUNAKAN DALAM PROSEDUR PENCARIAN UNIDIMENSI 1.00001 TOL . UNTUK INFORMASI LEBIH PADA VARIABEL INI LIHAT: COELLI (1996). Hal ini dapat diatur untuk setiap nilai integer nonnegatif.MAKSIMUM YANG DIIZINKAN jumlah iterasi 1 ITE . UNIVERSITAS INGGRIS BARU. IT IS DIBERITAHU BAHWA CADANGAN DARI FILE INI DIBUAT SEBELUM PERUBAHAN.DIGUNAKAN UNTUK SET batas PADA DEN & DIST 0. NSW.UKURAN 1ST LANGKAH DALAM PROSEDUR PENCARIAN 1 IGRID2 .001 TOL2 . Jika nilai ini mengatakan diatur ke 0. 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 .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.LANGKAH DIAMBIL DI CARI GRID AKURASI SINGLE ON GAMMA 100 MAXIT . Ini dapat digunakan sebagai berikut: Indic = 2 mengatakan tidak panjang langkah skala dalam pencarian uni-dimensi. Armidale. 0 PRINT = HANYA MEAN TE NOMOR YANG DALAM FILE INI OLEH PROGRAM FRONTIER KAPAN DIMULAI PELAKSANAAN.00001 maka prosedur iterasi akan berakhir pada saat perubahan proporsional dalam fungsi log-likelihood dan di masing-masing parameter estimasi semua kurang dari . 2) Indic . CEPA KERJA KERTAS 96/07.0D +16 bignum . Hal ini awalnya diatur ke 5.TOLERANSI KONVERGENSI (proporsional) 0.mengatur toleransi konvergensi pada proses iteratif. 3) TOL .menentukan seberapa sering informasi pada nilai fungsi likelihood dan vektor estimasi parameter harus dicatat selama proses iteratif. 2351 AUSTRALIA.

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

Hal ini juga menghitung kesalahan standar OLS yang disajikan dalam output akhir. CONVRG: Pengujian kriteria konvergensi pada akhir setiap iterasi. ETA: ini update subrutin arah matriks menurut metode Davidon-Fletcher-Powell di setiap iterasi. FUN2: Menghitung negatif dari fungsi log-likelihood (LLF) Model 2. FUNGSI: DEN: Mengevaluasi fungsi densitas dari standar normal variabel acak. DIS: Mengevaluasi fungsi distribusi dari suatu variabel acak standar normal. Baru! Klik kata di atas untuk melihat terjemahan alternatif. Untuk informasi lebih lanjut lihat Himmelblau (1972). FUN1: Menghitung negatif dari fungsi log-likelihood (LLF) Model 1. OLS: Menghitung estimasi Kuadrat Terkecil Biasa model yang akan digunakan sebagai nilai awal.Perhatikan bahwa FRONTIER meminimalkan negatif dari L LF yang setara dengan memaksimalkan LLF tersebut. Metode Coggin digunakan (lihat Himmelblau. PERIKSA: Memastikan bahwa parameter yang diperkirakan tidak usaha di luar batasbatas teoretis (yaitu 0 <<1. <2> 0 dan-2U <2U). Singkirkan Google Terjemahan untuk:PenelusuranVideoEmailPonselObrolanBisnis Tentang Google TerjemahanMatikan terjemahan instanPrivasiBantuan . Jika perubahan proporsi dalam fungsi log-likelihood dan masing-masing parameter tidak lebih besar dari nilai TOL (awalnya diatur ke 0.00001) proses iteratif akan berakhir. 1972). DER2: Menghitung derivatif parsial pertama dari negatif dari LLF Model 2. DER1: Menghitung derivatif parsial pertama dari negatif dari LLF Model 1. Invert: membalikkan diberikan matriks.optimal untuk iterasi berikutnya.

Sign up to vote on this title
UsefulNot useful