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

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

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

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

Sebagai contoh. FRONT41. PROGRAM FRONTIER FRONTIER Versi 4.INS disebut) 5) Sebuah file output (misalnya.0 (Coelli.1 File Dibutuhkan Pelaksanaan FRONTIER Versi 4. Data harus terdaftar oleh observasi. akrab dengan versi sebelumnya dari FRONTIER harus mengasumsikan bahwa tidak ada yang tetap sama. yang merupakan versi terakhir didokumentasikan sepenuhnya. tergantung pada nilai yang diamati (Vi . Anda akan.DTA) 4) Sebuah file instruksi (misalnya. 3. Output file yang dibuat oleh FRONTIER selama eksekusi [Catatan bahwa model dapat diperkirakan tanpa file instruksi jika program tersebut digunakan secara interaktif. File ini dibahas lebih lanjut dalam Lampiran A. 3. TEST. Versi 4. Jadi jika Anda ingin memperkirakan fungsi produksi Cobb-Douglas.000 3) Sebuah file data (misalnya.0 dan 4. karena program memperoleh log dari data yang disediakan untuk itu.ini dicapai dengan ekspresi yang berasal untuk ekspektasi bersyarat dari fungsi dari pada Ui. data dan file output yang terdaftar dalam Bagian 4. disebut TEST. bagaimanapun. 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 : . dan ekspresi untuk efisiensi biaya relatif terhadap perbatasan biaya.EXE 2) The start-up file FRONT41. telah berubah. dan beberapa hal yang tidak begitu kecil. Sebuah daftar dari perbedaan utama antara Versi 2.. File teks yang dapat diedit jika pengguna ingin mengubah nilai-nilai. Ekspresi yang dihasilkan generalisasi hasil di Jondrow et al (1982) dan Battese dan Coelli (1988). bendera percetakan dan sebagainya. 1992).1 tersedia di akhir bagian ini.1 berbeda dalam berbagai cara dari FRONTIER Versi 2. File start-up. dan data harus tersedia dalam unit asli. Ungkapan yang relevan untuk kasus fungsi produksi disediakan di Battese dan Coelli (1992) dan di Battese dan Coelli (1993.Ui). File-file data dan instruksi harus diciptakan oleh user sebelum eksekusi. Anda harus log semua masukan dan data keluaran sebelum membuat file data untuk program yang digunakan. Versi 2.1 Orang. berisi nilai untuk beberapa variabel kunci seperti kriteria konvergensi. dan hati-hati membaca dokumen ini sebelum menggunakan Versi 4.OUT). menemukan bahwa sejumlah hal yang sama. Program ini mensyaratkan bahwa data akan tercatat di file teks dan sangat khusus tentang format. disebut TEST. tetapi banyak kecil.000.1 pada IBM PC umumnya melibatkan lima file: 1) File executable FRONT41. 1995).1 mengasumsikan bentuk fungsional linier. telah diperoleh oleh perubahan minor teknis efisiensi ekspresi dalam makalah ini.] Contoh instruksi.0 pengguna akan ingat bahwa Cobb-Douglas diasumsikan dalam versi itu.

Pengamatan dapat didaftar dalam urutan apapun tetapi kolom harus dalam urutan lain. jika variabel. Ini adalah diturunkan dalam lampiran di Battese dan Coelli (1992) . atau 's) yang diatur ke nol dalam kotak pencarian.000 start-up file.1 Grid Search Seperti disebutkan sebelumnya. [Jika mulai nilai yang ditentukan dalam file instruksi.9 dengan penambahan ukuran 0. Cobb-Douglas dan bentuk translog fungsional merupakan bentuk fungsional yang paling sering digunakan dalam analisis perbatasan stokastik. pencarian grid dilakukan di ruang parameter.Semua penduga dengan pengecualian mencegat akan bias. Mereka hanya digunakan ketika Model 2 sedang diperkirakan. Setiap parameter lainnya (. 3.000. maka kolom 2 (periode waktu kolom) harus berisi nilai "1" di seluruh. 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 Prosedur Iterative Maksimalisasi Urutan pertama derivatif parsial dari fungsi log-kemungkinan Model 1 dan 2 adalah ekspresi yang panjang. Harus ada setidaknya satu pengamatan pada setiap perusahaan N dan harus ada setidaknya satu pengamatan dalam periode waktu 1 dan dalam jangka waktu T.2 Metode Tiga Langkah Estimasi Program ini akan mengikuti prosedur tiga langkah dalam mengestimasi estimasi maksimum likelihood dari parameter fungsi produksi frontier stokastik. 3. diatur ke 1 (bukan 0) maka pencarian tahap kedua grid akan dilakukan di sekitar nilai-nilai yang diperoleh pada tahap pertama. Setelah mengetik "FRONT41" untuk memulai eksekusi. 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 Anda menggunakan silang tunggal-bagian data. di FRONT41. Lebar pencarian ini grid GRIDNO / 2 kedua sisi fase satu perkiraan dalam langkah GRIDNO/10. IGRID2. Selanjutnya. pengguna ditanya apakah instruksi akan datang dari sebuah file atau terminal.2.1 di FRONT41. Perhatikan bahwa data harus sesuai diubah jika bentuk fungsional selain fungsi linier diperlukan. Jika pilihan (terminal) interaktif dipilih.1-0. pertanyaan akan diminta dalam urutan yang sama seperti yang ditampilkan dalam file instruksi. Ukuran selisih ini bisa diubah dengan mengubah nilai dari variabel GRIDNO yang diatur ke nilai 0. 3.1 diasumsikan). Program ini dapat menerima instruksi baik dari file atau dari terminal. Struktur dari file instruksi terdaftar pada bagian berikutnya. Z entri tercantum dalam tanda kurung siku untuk menunjukkan bahwa mereka tidak selalu diperlukan.1. program ini akan melewatkan dua langkah pertama dari prosedur.2.] The tiga langkah tersebut adalah: 1) Ordinary Least Squares (OLS) perkiraan fungsi diperoleh. Contoh melibatkan kedua bentuk akan disediakan dalam Bagian 4. 2) Sebuah pencarian grid dua tahap dilakukan. Nilai dianggap 0. 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.3 + k + p)] zpit.

20.000 dapat digunakan untuk menekan pencatatan efisiensi individu dalam file output. digunakan dalam FRONTIER diambil dari lampiran dalam Himmelblau (1972). b) Jumlah maksimum dari iterasi diijinkan selesai. Banyak metode gradien digunakan untuk mendapatkan estimasi maksimum likelihood.dan Battese dan Coelli (1993).Variabel ITE di FRONT41. jika perubahan proporsional dalam fungsi kemungkinan dan masing-masing parameter kurang dari 0. maka kita mengalihkan perhatian kita kepada metode Quasi-Newton yang hanya membutuhkan vektor derivatif parsial pertama diturunkan. SEARCH. Perkiraan kesalahan standar ini diambil dari arah matriks yang digunakan dalam iterasi akhir prosedur Davidon-Fletcher-Powell. Perkiraan efisiensi teknis atau biaya masing-masing dihitung dengan menggunakan ekspresi disajikan dalam Battese dan Coelli (1991.3 Yang paling-kuadrat biasa estimasi. Ini estimasi matriks kovarians juga terdaftar pada output. MINI.00001. 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. dengan mengubah nilainya 1-0.000 ke 100. 1995). ETA dan CONVRG. maka prosedur iterasi berakhir. Hal ini saat ini ditetapkan dalam FRONT41. Saat ini sudah diatur sedemikian rupa sehingga. yang tidak standar Fortran . karena program harus ditulis ulang menggunakan array dinamis dialokasikan. seperti metode Newton-Raphson. 3. memerlukan matriks turunan parsial kedua untuk dihitung. ini hanya rata-rata aritmetika dari efisiensi individu. Penghapusan batas-batas ukuran yang telah dicapai dengan menyusun program menggunakan kompiler Lahey F77L-EM/32 dengan extender DOS.1 Perbedaan utama adalah sebagai berikut: 1) The Battese dan Coelli (1995) model (Model 2) sekarang dapat diperkirakan. Diputuskan bahwa tugas ini mungkin sebaiknya dihindari. Tindakan ini tidak datang dengan biaya beberapa meskipun. 2) Batas-batas ukuran tua di N. Kedua parameter ini dapat diubah oleh pengguna.0 dan 4. Kriteria konvergensi diatur dalam FRONT41. Batas Ukuran 100. dan 20 masing-masing. Untuk diskusi umum tentang manfaat relatif dari sejumlah Newton dan metode Quasi-Newton lihat Himmelblau (1972).4 Perbedaan Antara Versi 2. yang ditemukan oleh banyak pengguna terlalu membatasi. Apabila salah perkiraan efisiensi berarti dilaporkan. Struktur umum dari subrutin. perkiraan setelah pencarian grid dan perkiraan kemungkinan akhir maksimum semua disajikan dalam file output. Program kemudian update vektor estimasi parameter dengan metode Davidon-Fletcher-Powell sampai salah satu dari berikut terjadi: a) kriteria konvergensi adalah puas. masing-masing. yang juga memberikan gambaran tentang mekanika (bersama dengan kode Fortran) dari sejumlah metode yang lebih populer. T dan K telah dihapus. Prosedur iteratif mengambil nilai parameter yang diberikan oleh para pencari grid sebagai nilai awal (kecuali nilai mulai dipasok oleh pengguna). Output Program 3. Ukuran model yang sekarang dapat diestimasi dengan program ini hanya dibatasi oleh jumlah RAM yang tersedia pada PC Anda.000 start-up file oleh TOL parameter.

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

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

Listing EG1. Pada tiga baris berikutnya kita tidak menjawab (n) untuk setiap pertanyaan.285 4.218 _____________________________________________________________________ Tabel 1b . . periode waktu (1). 21. pilih pilihan instruksi file (f) [Jika Anda tidak ingin membuat file instruksi. Kita harus menjawab tidak untuk karena kita hanya memiliki satu lintas -bagian data dan karenanya tidak dapat mempertimbangkan waktu bervariasi efisiensi.]. kita perlu menjawab pertanyaan-pertanyaan dalam kurung kotak pada baris 10 dan 11 dari instruksi file gantinya. Pada dua baris berikutnya dari file nama file data (EG1.SHA Shazam Instruksi Berkas _____________________________________________________________________ . maka kita perlu nilai-nilai awal untuk masing-masing jenis parameter.834 60.124 7.621 44. 1. jumlah pengamatan (60) dan jumlah regressor (2).DAT File Data _____________________________________________________________________ 1. 1.358 9.799 . Tabel 1a . 1. 58. 1. 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 (EG1.124 59. instruksi-instruksi yang sama dapat dikirim ke FRONTIER dengan memilih terminal (t) opsi dan menjawab serangkaian pertanyaan].416 35. dalam urutan tertentu.INS). nilai awal.329 87. 12.643 77.] Terakhir..OUT). Kemudian pada empat baris berikutnya kita tentukan jumlah perusahaan (60). . 1. On line 4 "1" dimasukkan untuk menunjukkan kita memperkirakan fungsi produksi. File ini direproduksi dalam Tabel 1e. 20.DTA) dan nama file output (di sini kita telah menggunakan EG1.134 2.OUT) ditentukan. 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. Karena bentuk sederhana model ini contoh pertama (dan dua berikutnya contoh) tidak masalah apakah "1" atau "2" dimasukkan. 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).340 60.297 3.] Akhirnya kita ketik FRONT41 di DOS prompt.778 9.Listing EG1. 1. [Catatan bahwa jika kita memilih model 2 pada baris pertama dari file instruksi. kemudian ketik nama file instruksi (EG1. Untuk model sederhana dalam contoh ini kita akan menjawab "n" dan "0". 24.095 89.855 5. kita harus menjawab tidak untuk menentukan nilai awal karena kita ingin mereka yang akan dipilih menggunakan grid search [Jika kita telah menjawab ya untuk.untuk menunjukkan apakah Model 1 atau 2 diperlukan.105 5. 27. 14. mengetik satu di setiap baris.

497574 .726510 3.061426 2.467332 59.000000 3.000000 3.300419 2.dta menulis (33) n t ly lx1 lx2 berhenti _____________________________________________________________________ Tabel 1c .058473 4.dat) n t y x1 x2 genr ly = log (y) genr lx1 = log (x1) genr lx2 = log (x2) 33 file eg1.DTA File Data _____________________________________________________________________ 1.099995 60. 58.242410 3.000000 1.233128 4.INS Berkas Instruksi _____________________________________________________________________ 1 1 = KESALAHAN KOMPONEN MODEL.00000 1.dta DATA NAMA FILE KELUARAN eg1.000000 3.547725 2.789132 _____________________________________________________________________ Tabel 1d .00000 1.000000 2. .000000 3.000000 2.000000 1.628260 4.646529 1. 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] . .037594 1.read (eg1.Listing EG1. 2 = TE EFEK MODEL eg1.000000 1.535361 4.347655 3.out NAMA FILE 1 1 = PRODUKSI FUNGSI.Listing EG1.00000 1.189859 1.559169 2.

51498586E-01 0.17034854E +02 .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.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 0.58354940E 01 beta 2 0.53330637E 00 sigma-squared 0.22067413E 00 gamma 0.24489834E 0.ins file data = eg1.53330637E +00 0.80000000E 00 mu dibatasi dengan nol eta dibatasi dengan nol iterasi = 0 func evals = 19 llf =-0.48066617E-01 0.28049246E 00 beta 2 0.21360307E +00 +00 +01 0.18446849E +02 perkiraan setelah pencarian grid: beta 0 0. _____________________________________________________________________ Tabel 1e .OUT Output File _____________________________________________________________________ Output dari program FRONTIER (Versi 4.28049246E +00 0.11465114E beta 1 0.11398496E 00 log kemungkinan fungsi =-0.58014216E 00 beta 1 0.Listing EG1.

21694170E 0.63909106E-01 0.56160697E 0.92519362E-02 -0.79718731E +00 +00 iterasi = 7 func evals = 63 llf =-0.53647981E 0.17027229E +02 0.17027230E +02 0.53330637E 0.53647803E 0.22067413E 0.91550467E-04 .29528845E-04-0.28049246E +00 +00 +00 0.80000000E +00 +00 gradien langkah iterasi = 5 func evals = 41 llf =-0.59001301E 01 beta 2 0.31446721E-02-02 0.79720730E +00 +00 perkiraan MLE final adalah: koefisien standar-kesalahan t-rasio beta 0 0.53647981E +00 0.45251553E-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: 0.56161963E 0.11855501E +02 sigma-squared 0.28110205E +00 0.20261668E +00 +00 +01 0.40456494E 0.28108701E +00 +00 +00 0.80030279E-02-02 0.31446721E-02-0.40106205E-04-0.0.28110205E +00 +00 +00 0.17027229E +02 LR uji kesalahan satu sisi = 0.13642399E +00 +00 +01 0.33954545E 01 gamma 0.47643365E-01 0.27718331E beta 1 0.22698902E 0.56161963E 0.79720730E 0.41053521E-01-0.58014216E 0.21700046E +00 0.58436004E mu dibatasi dengan nol eta dibatasi dengan nol log kemungkinan fungsi =-0.21700046E 0.

.40106205E 0.778 9.16404645E-03 0.18611506E-01 teknis efisiensi perkiraan: perusahaan eff.67450773E 0. dan Ui telah dipotong distribusi normal. Kami mengikuti presentasi mirip dengan yang di Bagian 4. Li dan Vi adalah seperti yang didefinisikan sebelumnya.416 35. 12.66471456E 00 59 0. mana Qi. .80030279E-02-04 0.285 4.16404645E-03-02 0.40843738E 0.855 5.1 dan di sini adalah bahwa: istilah kuadrat dan interaksi harus dihasilkan dalam file instruksi Shazam (lihat Tabel 2b).91550467E-04-0.40456494E-02-0.47190308E-04-0. 1.DTA.095 89. karena file ini EG2. 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 .. 1.92519362E-02-0. 1.134 2.Ui). Tabel 2a .67450773E-02 0.Listing EG2. 24. 58 0. tetapi hanya daftar 4 tabel: 2a ke 2d. .-0.-est. nomor tambahan akan muncul pada baris baru.DTA berisi tiga lebih kolom [ Perhatikan bahwa perintah Shazam MENULIS hanya akan mencantumkan lima angka pada setiap baris.INS kami telah membuat jumlah regressor sebesar 5 dan menjawab ya (y) terhadap pertanyaan (karena kita ingin Ui akan terpotong normal ).72642592E 00 . Perbedaan utama yang perlu diperhatikan antara prosedur dalam Bagian 4.799 .85670448E 00 60 0. Ki.20477030E-02-0.297 3.47190308E-04-02 0. Kami menekan daftar dari file output untuk menghemat ruang. . 1 0. Jika Anda memiliki lebih dari lima kolom.2.643 77.2 Sebuah frontier translog produksi dengan menggunakan data cross-sectional dan mengasumsikan distribusi normal terpotong. FRONTIER tidak memiliki masalah membaca ini bentuk file data] dari EG1.70842786E 00 berarti efisiensi = 0.74056772E 00 _____________________________________________________________________ 4. Dan di EG2. 20.82889151E 00 3 0.29528845E-04-0.DAT File Data _____________________________________________________________________ 1.65068880E 00 2 0.

.000000 1.976124 59.Listing EG2.233128 4.35752 6.058473 4.467332 4.439730 60.80996 8.000000 1..675219 3.559169 5.Listing EG2.726510 3. 58.dta menulis (33) t n ly lx1 lx2 lx1s lx2s lx12 berhenti _____________________________________________________________________ Tabel 2c .646529 1.329 87.621 44.000000 2.061426 2.000000 3.628260 4.95706 9. 21.651230 20.22817 7.497574 2.981118 2.028404 12.105 5.000000 3.357333 18.SHA Shazam Instruksi Berkas _____________________________________________________________________ read (eg2.124 59. 27.037594 1.347655 2.00000 1.189859 1.00000 1. 1. 1. 58.535361 4.980835 14.541973 _____________________________________________________________________ Tabel 2d .Listing EG2.242410 3.358 9.099995 4. 1.66769 7.124 7.000000 3.300419 2.218 _____________________________________________________________________ Tabel 2b .986860 19.INS Berkas Instruksi _____________________________________________________________________ 1 1 = KESALAHAN KOMPONEN MODEL.000000 1.000000 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 eg2.323218 .00000 1.237312 16. 2 = TE EFEK MODEL .90211 6.DTA File Data _____________________________________________________________________ 1.789132 2.340 60.547725 2.000000 2. . 14.834 60.

harga modal dan harga tenaga kerja. 445. Qi.368 16. 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.857 23.out NAMA FILE 1 1 = PRODUKSI FUNGSI. masing-masing.dta DATA NAMA FILE KELUARAN eg2.098 3. dalam urutan (lihat Tabel 3a). waktu. File EG3.DAT File Data _____________________________________________________________________ 1.838 14.DTA (lihat Tabel 3c). R dan W.893 11. 1.322 12. Q. 1. output.591 2. dan Vi dan Ui dianggap normal dan setengah-normal didistribusikan.742 24. mana Ci.469 35. 439.925 28.564 . C. 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.Listing EG3. Tabel 3a . 783. Kode Shazam dalam Tabel 3b menghasilkan variabel berubah yang diperlukan dan menempatkan mereka di EG3. Ri dan Wi adalah biaya.3 A Cobb-Douglas biaya perbatasan dengan menggunakan data cross-sectional dan asumsi distribusi normal setengah. Dalam contoh ini kita ingin memperkirakan biaya perbatasan Cobb-Douglas: (9) ln (Ci / Wi) = 0 + 1ln (Qi) + 2ln (Ri / Wi) + (Vi + Ui).813 34.eg2. masing-masing.DAT berisi 60 observasi pada perusahaan-id periode. 1. _____________________________________________________________________ 4.

5858576 3. 2 = TE EFEK MODEL eg3.out NAMA FILE 2 1 = PRODUKSI FUNGSI.DTA File Data _____________________________________________________________________ 1. 58.000000 1. .6875683 _____________________________________________________________________ Tabel 3d .Listing EG3. 1114.000000 2.281 60. 1.000000 3.672 _____________________________________________________________________ Tabel 3b .291680 -0.9057584 60.Listing EG3.000000 2. 1.514 14.990748 3.000000 1. 2 = FUNGSI BIAYA y login VARIABEL TERGANTUNG (Y / N) 60 JUMLAH BAGIAN LINTAS 1 JUMLAH PERIODE WAKTU .00000 1.558 26.037258 -0.481671 -0.853 10.8744549 2.292668 3. 58.000000 3.00000 1. 1.946442 3.Listing EG3.. . .550709 -0. 408.310640 3.SHA Shazam Instruksi Berkas _____________________________________________________________________ read (eg3.1422282 .888 7.848 9.3262144 59.000000 2.580542 -0.dta DATA NAMA FILE KELUARAN eg3.INS Berkas Instruksi _____________________________________________________________________ 1 1 = KESALAHAN KOMPONEN MODEL.369 32.882 59.000000 1.864203 3.919 29. .000000 3.dat) t n c q w r lcw log = genr (c / w) genr LQ = log (q) lrw log = genr (r / w) 33 file eg3.625840 3.dta menulis (33) n t lcw LQ lrw berhenti _____________________________________________________________________ Tabel 3c .411 23. 216.00000 1.191381 -0.234 20.

643 77. 6.DAT File Data _____________________________________________________________________ 1.897 1. _____________________________________________________________________ 4. 1.476 12.4 Battese dan Coelli (1992) spesifikasi (Model 1).350 38.605 8.297 3.134 2. 1.168 4. 1. dan dan pertanyaan yang telah dijawab oleh ya ( y).717 27. 1. 2.761 11.935 35.309 4. 1.084 9.258 97.878 6.416 35.618 0. 16. 1. 8.334 82.580 7.907 8.095 89. 1. Kami menggunakan data pada 15 perusahaan yang diamati selama 4 periode waktu.676 3. 1.174 7.033 55. 29. 19.60 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. 11. 1.432 9. 1. 15.344 65. 12.239 0. Tabel 4a .886 5.604 24. 16.903 7.Listing EG4.131 9.096 13.876 10.350 15.032 2. 10.975 73. Dalam contoh ini kami perkirakan model yang penuh didefinisikan oleh (2).232 4. Data yang telah direproduksi secara penuh pada Tabel 4a untuk memperjelas bentuk perusahaan-id dan kolom waktu periode (kolom 1 dan 2).076 81. Instruksi Shazam (lihat Tabel 4b) tidak berbeda dengan contoh pertama.799 4. 1. 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 4.380 .066 92.203 6. 1.130 14. 1. 26. 1.434 1.698 5. 16. 1. 12.

340 15.727 1.574 4.740 9.612 7. 17.886 14.621 44. 3.520 3.182 14. 4.190 8. 7.690 1.439 35. 2. 22.192 8.834 60.916 5.627 3.741 10. 22. 10. 14. 4. 9.773 12.955 41.055 77.651 12.722 30. 2. 7.427 39.074 7. 4.498 0.405 42. 23.545 4.314 2.789 8. 2. 17.051 7. 2.018 5. 4. 2. 14. 3.029 77.220 57. 2.936 2.424 6.656 94.918 78.688 2.085 11.551 36.312 40.590 18.966 3. 2.812 7.896 88. 3.223 89.264 4. 20. 4. 9. 3.827 93.128 1.488 13.871 50. 14. 2. 19.1.149 26.337 5. 3.628 11.322 2.124 14. 2. 11.085 60. 12.274 9. 24.479 2.961 10. 4. 22. 15.820 6. 4. 3.104 7. 3. 4.019 4.265 95.895 63.561 29.425 49.377 12.334 8.563 4.312 3.073 13. 2.388 8.241 3.921 0.734 9.072 15. 15.034 0.708 0.996 6. 23.055 4. 11.323 6.169 68.195 95. 13.843 7. 3. 3. 21. 2. 23.471 2.736 4. 30.906 72. 8. 19.040 50. 3.440 63.379 6.668 4. 4. 2. 13.188 1. 5.218 _____________________________________________________________________ . 3.583 4.503 59.275 13. 23.907 38. 3. 3. 2.314 9.160 2. 2. 20. 13.451 15. 3.937 98. 25.583 22.264 11.159 9. 4. 4.737 7.891 59. 2. 4. 31.312 10.989 6. 3.433 6. 4.661 87.839 2.704 2.177 64. 4.752 80.088 9. 23.884 1. 18.834 1.455 30. 2.639 5.668 68.904 8.535 8.023 2.459 4.556 6. 4.312 94. 7.992 8.069 6.964 7. 4. 38.149 5.490 2.389 5. 10.329 87. 24.548 2. 24.

SHA Shazam Instruksi Berkas _____________________________________________________________________ read (eg4. 2 = TE EFEK MODEL eg4.dat) n t y x1 x2 genr ly = log (y) genr lx1 = log (x1) genr lx2 = log (x2) 33 file eg4.119674 1.INS Berkas Instruksi _____________________________________________________________________ 1 1 = KESALAHAN KOMPONEN MODEL.000000 1.242410 3.000000 3.123994 2.000000 1.000000 3.099995 15.Tabel 4b .269911 1.00000 4. .149054 2.726510 3.559169 2.dta DATA NAMA FILE KELUARAN eg4.000000 3. 13.Listing EG4.00000 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 .233128 4.467332 14.out NAMA FILE 1 1 = PRODUKSI FUNGSI.929490 1.000000 1.Listing EG4.DTA File Data _____________________________________________________________________ 1.716746 2.347655 3.628260 4.000000 2.dta menulis (33) n t ly lx1 lx2 berhenti _____________________________________________________________________ Tabel 4 c .Listing EG4.000000 3.00000 4.058473 4.535361 4.789132 _____________________________________________________________________ Tabel 4d . .497574 .000000 1.

095 89. Instruksi FRONTIER file (EG5.Instruksi Shazam (lihat Tabel 5b) yang mirip dengan yang di contoh pertama. .834 60.329 87.340 4.000 15. kecuali bahwa data pada variabel z harus dibaca dan membaca.INS) berbeda dalam sejumlah cara dari contoh sebelumnya: nomor model di line satu sudah disetel ke "2". dari berkas data pada contoh sebelumnya.737 7.218 4. Tabel 5a .000 2.643 77.dat) n t y x1 x2 z1 genr ly = log (y) genr lx1 = log (x1) genr lx2 = log (x2) 33 file eg5.124 4. 23.000 14.309 4.000 _____________________________________________________________________ Tabel 5b .SHA Shazam Instruksi Berkas _____________________________________________________________________ read (eg5. 4. 1.dta . 26.5 Battese dan Coelli (1995) spesifikasi (Model 2).000 . . 6.416 35.Listing EG5. 1. pertanyaan tentang 0 sudah dijawab oleh yes (baris 10) dan jumlah variabel z telah diatur untuk 1 (baris 11).134 1.131 9.DAT (lihat Tabel 5a) berisi satu lagi kolom (variabel z).886 5.Listing EG5. Jadi file data EG5. 4.314 9.000 3.297 1.DAT File Data _____________________________________________________________________ 1. 22.621 44. 13. 22.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. _____________________________________________________________________ 4.799 1. 15. 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). 4.

out NAMA FILE 1 1 = PRODUKSI FUNGSI.233128 4.123994 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 .000000 3.000000 3. .000000 1.929490 1.000000 1.119674 1.000000 2.menulis (33) n t ly lx1 lx2 z1 berhenti _____________________________________________________________________ Tabel 5c .000000 1.00000 4.000000 _____________________________________________________________________ Tabel 5d .00000 4.467332 4.628260 4.Listing EG5. .269911 1.000000 1.716746 2.000000 15.000000 2.099995 4.dta DATA NAMA FILE KELUARAN eg5.726510 3. 2 = TE EFEK MODEL eg5.000000 3.000000 3.058473 4.DTA File Data _____________________________________________________________________ 1.000000 3.INS Berkas Instruksi _____________________________________________________________________ 2 1 = KESALAHAN KOMPONEN MODEL.347655 1.000000 14.242410 3.559169 1.Listing EG5.149054 2.497574 1.00000 4.000000 . 13.535361 4.789132 4.

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

Terapan Non-Linear Programming.000. LF (1981). 18. "Sistematik Berangkat dari Frontier: Sebuah Kerangka untuk Analisis Inefisiensi Perusahaan". 68-119. Journal of Econometrics. J. Lovell.E. New York. 247-268. Jondrow. K. F.000 start-up file tercantum pada Tabel A1. (1991). Stevenson. Universitas New England.H. (1982). Lovell. McGraw-Hill. dan Schmidt. P. 343-366. "Fungsi Produksi Frontier". 203-214. (1980).. (1993).64. "A Stochastic Frontier Fungsi Biaya untuk Penyediaan Penitipan Anak Residensial". Sepuluh nilai dapat diubah di FRONT41. (1972). 6. 715-723. "Pada perkiraan Teknis inefisiensi dalam Stochastic Frontier Fungsi Produksi Model". 289-328. Oxford University Press. P. Hughes. Coelli. Journal of Econometrics. 4. di goreng. 435-444. R. "Memperkirakan Inefisiensi Teknis dan Alokasi Sehubungan dengan Produksi Stochastic dan Frontiers Biaya". (1993).S. Sebuah deskripsi singkat dari setiap nilai disediakan di bawah ini. dan Lee. Putih.A. D. (1995). (1986). The Pengukuran Efisiensi Produktif. McGraw-Hill. Pitt.The FRONT41.. 0 = JANGAN PRINT 1 Indic . Greene.A.000 The FRONT41.M. Lee..0. 9. LAMPIRAN . International Economic Review. CAK dan Schmidt.000-up file mulai ____________________________________________________________ KUNCI NILAI DIGUNAKAN DALAM PROGRAM FRONTIER (VERSI 4.PROGRAMMER'S GUIDE A. D. Tabel A1 . Journal of Ekonometrika Terapan. 9. SS (Eds). T..A. Meeusen. C. Ekonometrik Teori. P. "estimator dan Tes Hipotesis untuk Stochastic: Sebuah Analisis Monte Carlo". 13 5-25. dan Lovell. Schmidt. (1980) "Fungsi Kemungkinan untuk estimasi Generalised Stochastic Frontier". International Economic Review.. 32.K. C. 3.R. W. P. M.. I. dan van den Broeck.1 File FRONT41. Armidale. Manual Referensi Shazam Pengguna Versi 7.J. New York. 413-430. 19. "Distribusi asimtotik untuk Maximum Likelihood Estimator untuk Stochastic Frontier Fungsi Model dengan Informasi Singular Matrix".SETIAP INFO PRINT "N" Iterasi.. dan Stevenson. (1977).K. W. MD (1988). Materov C. dan Schmidt. "Pengukuran dan Sumber Teknis inefisiensi dalam bahasa Indonesia dalam Tenun Industri".M. J. Schmidt. Jurnal Analisis Produktivitas. Econometric Reviews. "Sebuah Survei Frontier Fungsi Produksi dan mereka Hubungan dengan Efisiensi Pengukuran". Journal of Econometrics. Forsund. LF (1993). Himmelblau. 233-238. Journal of Econometrics.Departemen Ekonometrika.K. 9.1) NOMOR: DESCRIPTION: 5 iPrint . Lovell HO. 13 57-66. R. Jurnal Ekonomi Pembangunan.DIGUNAKAN DALAM PROSEDUR CARI unidimensional .43 . Reifschneider. "Pendekatan Ekonometrik Dari analisis Efisiensi". (1979). "Efisiensi Estimasi dari Cobb-Douglas Fungsi Produksi Dengan Terdiri Error".LIHAT BAWAH .

Armidale. 0 = SINGLE 0. Indic = 1 mengatakan skala (dengan panjang langkah terakhir) hanya jika langkah terakhir adalah lebih kecil.INI 0. NSW.1 AKURASI = PENELUSURAN GRID DOUBLE.TOLERANSI KONVERGENSI (proporsional) 0. 3) TOL .MAKSIMUM YANG DIIZINKAN jumlah iterasi 1 ITE . CEPA KERJA KERTAS 96/07.00001 TOL . dan India = nomor lainnya mengatakan skala ( untuk panjang langkah terakhir) Untuk informasi lebih lanjut lihat Himmelblau (1972).DIGUNAKAN UNTUK SET batas PADA DEN & DIST 0. Jika nilai ini mengatakan diatur ke 0. 2) Indic .1 = PRINT SEMUA PERKIRAAN TE.menentukan seberapa sering informasi pada nilai fungsi likelihood dan vektor estimasi parameter harus dicatat selama proses iteratif. UNIVERSITAS INGGRIS BARU. 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 . UNTUK INFORMASI LEBIH PADA VARIABEL INI LIHAT: COELLI (1996).00001 Langkah 1 .TOLERANSI DIGUNAKAN DALAM PROSEDUR PENCARIAN UNIDIMENSI 1. Ini dapat digunakan sebagai berikut: Indic = 2 mengatakan tidak panjang langkah skala dalam pencarian uni-dimensi.0D +16 bignum . maka informasi yang dicetak setiap 5 iterasi.1 GRIDNO . Hal ini awalnya diatur ke 5. IT IS DIBERITAHU BAHWA CADANGAN DARI FILE INI DIBUAT SEBELUM PERUBAHAN. 0 PRINT = HANYA MEAN TE NOMOR YANG DALAM FILE INI OLEH PROGRAM FRONTIER KAPAN DIMULAI PELAKSANAAN.LANGKAH DIAMBIL DI CARI GRID AKURASI SINGLE ON GAMMA 100 MAXIT .001 TOL2 .00001 maka prosedur iterasi akan berakhir pada saat perubahan proporsional dalam fungsi log-likelihood dan di masing-masing parameter estimasi semua kurang dari .mengatur toleransi konvergensi pada proses iteratif.berhubungan dengan pencarian Coggin uni-dimensi yang dilakukan sebelum iterasi masing-masing untuk menentukan panjang langkah yang optimal. 2351 AUSTRALIA. Hal ini dapat diatur untuk setiap nilai integer nonnegatif. ANDA DAPAT MENGUBAH ANGKA DALAM FILE INI JIKA ANDA WISH.UKURAN 1ST LANGKAH DALAM PROSEDUR PENCARIAN 1 IGRID2 . Sebuah 0 akan mengakibatkan ada pelaporan informasi intermediate.

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

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

Sign up to vote on this title
UsefulNot useful