P. 1
56612888 a Guide to Frontier Versi 4

56612888 a Guide to Frontier Versi 4

|Views: 199|Likes:
Published by Beam Salahudin

More info:

Published by: Beam Salahudin on Jun 15, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

10/12/2015

pdf

text

original

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

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

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

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

File teks yang dapat diedit jika pengguna ingin mengubah nilai-nilai.. 3.000. File-file data dan instruksi harus diciptakan oleh user sebelum eksekusi. File start-up. Sebuah daftar dari perbedaan utama antara Versi 2. 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 : . data dan file output yang terdaftar dalam Bagian 4. Output file yang dibuat oleh FRONTIER selama eksekusi [Catatan bahwa model dapat diperkirakan tanpa file instruksi jika program tersebut digunakan secara interaktif. karena program memperoleh log dari data yang disediakan untuk itu. yang merupakan versi terakhir didokumentasikan sepenuhnya. dan hati-hati membaca dokumen ini sebelum menggunakan Versi 4.INS disebut) 5) Sebuah file output (misalnya. telah berubah. Ekspresi yang dihasilkan generalisasi hasil di Jondrow et al (1982) dan Battese dan Coelli (1988). tergantung pada nilai yang diamati (Vi .1 Orang. Versi 4.1 berbeda dalam berbagai cara dari FRONTIER Versi 2.0 (Coelli. berisi nilai untuk beberapa variabel kunci seperti kriteria konvergensi. Program ini mensyaratkan bahwa data akan tercatat di file teks dan sangat khusus tentang format. 3. telah diperoleh oleh perubahan minor teknis efisiensi ekspresi dalam makalah ini. File ini dibahas lebih lanjut dalam Lampiran A. dan beberapa hal yang tidak begitu kecil. 1995).Ui).1 tersedia di akhir bagian ini. bendera percetakan dan sebagainya. Anda harus log semua masukan dan data keluaran sebelum membuat file data untuk program yang digunakan.000 3) Sebuah file data (misalnya. Versi 2.1 pada IBM PC umumnya melibatkan lima file: 1) File executable FRONT41. Data harus terdaftar oleh observasi. disebut TEST. 1992).ini dicapai dengan ekspresi yang berasal untuk ekspektasi bersyarat dari fungsi dari pada Ui. TEST. akrab dengan versi sebelumnya dari FRONTIER harus mengasumsikan bahwa tidak ada yang tetap sama. Jadi jika Anda ingin memperkirakan fungsi produksi Cobb-Douglas. dan data harus tersedia dalam unit asli. menemukan bahwa sejumlah hal yang sama.DTA) 4) Sebuah file instruksi (misalnya.1 File Dibutuhkan Pelaksanaan FRONTIER Versi 4.EXE 2) The start-up file FRONT41. FRONT41. Sebagai contoh. Ungkapan yang relevan untuk kasus fungsi produksi disediakan di Battese dan Coelli (1992) dan di Battese dan Coelli (1993. dan ekspresi untuk efisiensi biaya relatif terhadap perbatasan biaya.0 dan 4. PROGRAM FRONTIER FRONTIER Versi 4. disebut TEST. Anda akan. bagaimanapun.] Contoh instruksi. tetapi banyak kecil.1 mengasumsikan bentuk fungsional linier.0 pengguna akan ingat bahwa Cobb-Douglas diasumsikan dalam versi itu.OUT).

program ini akan melewatkan dua langkah pertama dari prosedur. Ukuran selisih ini bisa diubah dengan mengubah nilai dari variabel GRIDNO yang diatur ke nilai 0.] The tiga langkah tersebut adalah: 1) Ordinary Least Squares (OLS) perkiraan fungsi diperoleh. Contoh melibatkan kedua bentuk akan disediakan dalam Bagian 4. 3. Selanjutnya. Program ini dapat menerima instruksi baik dari file atau dari terminal. Mereka hanya digunakan ketika Model 2 sedang diperkirakan. 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). pengguna ditanya apakah instruksi akan datang dari sebuah file atau terminal. Ini adalah diturunkan dalam lampiran di Battese dan Coelli (1992) . Jika Anda menggunakan silang tunggal-bagian data. Perhatikan bahwa data harus sesuai diubah jika bentuk fungsional selain fungsi linier diperlukan. Setiap parameter lainnya (. maka kolom 2 (periode waktu kolom) harus berisi nilai "1" di seluruh.9 dengan penambahan ukuran 0.1. [Jika mulai nilai yang ditentukan dalam file instruksi. diatur ke 1 (bukan 0) maka pencarian tahap kedua grid akan dilakukan di sekitar nilai-nilai yang diperoleh pada tahap pertama.1 di FRONT41. Z entri tercantum dalam tanda kurung siku untuk menunjukkan bahwa mereka tidak selalu diperlukan. Harus ada setidaknya satu pengamatan pada setiap perusahaan N dan harus ada setidaknya satu pengamatan dalam periode waktu 1 dan dalam jangka waktu T. pertanyaan akan diminta dalam urutan yang sama seperti yang ditampilkan dalam file instruksi. Cobb-Douglas dan bentuk translog fungsional merupakan bentuk fungsional yang paling sering digunakan dalam analisis perbatasan stokastik.2. Setelah mengetik "FRONT41" untuk memulai eksekusi. Struktur dari file instruksi terdaftar pada bagian berikutnya.3 + k + p)] zpit. 3.000 start-up file.1-0.2 Prosedur Iterative Maksimalisasi Urutan pertama derivatif parsial dari fungsi log-kemungkinan Model 1 dan 2 adalah ekspresi yang panjang. Pengamatan dapat didaftar dalam urutan apapun tetapi kolom harus dalam urutan lain. jika variabel.1 Grid Search Seperti disebutkan sebelumnya. 3. 2) Sebuah pencarian grid dua tahap dilakukan. Lebar pencarian ini grid GRIDNO / 2 kedua sisi fase satu perkiraan dalam langkah GRIDNO/10. Jadi nilai awal untuk akan diperoleh dengan akurasi dua tempat desimal bukan tempat desimal satu diperoleh dalam pencarian grid fase tunggal (ketika nilai GRIDNO = 0.2. di FRONT41. atau 's) yang diatur ke nol dalam kotak pencarian.2 Metode Tiga Langkah Estimasi Program ini akan mengikuti prosedur tiga langkah dalam mengestimasi estimasi maksimum likelihood dari parameter fungsi produksi frontier stokastik. 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.Semua penduga dengan pengecualian mencegat akan bias. IGRID2.000.1 diasumsikan). Jika pilihan (terminal) interaktif dipilih. pencarian grid dilakukan di ruang parameter.

Ini estimasi matriks kovarians juga terdaftar pada output.dan Battese dan Coelli (1993). Perkiraan kesalahan standar ini diambil dari arah matriks yang digunakan dalam iterasi akhir prosedur Davidon-Fletcher-Powell. Diputuskan bahwa tugas ini mungkin sebaiknya dihindari. maka prosedur iterasi berakhir. dan 20 masing-masing. 2) Batas-batas ukuran tua di N. digunakan dalam FRONTIER diambil dari lampiran dalam Himmelblau (1972). Saat ini sudah diatur sedemikian rupa sehingga. Kedua parameter ini dapat diubah oleh pengguna.1 Perbedaan utama adalah sebagai berikut: 1) The Battese dan Coelli (1995) model (Model 2) sekarang dapat diperkirakan. Tindakan ini tidak datang dengan biaya beberapa meskipun.4 Perbedaan Antara Versi 2. Apabila salah perkiraan efisiensi berarti dilaporkan. b) Jumlah maksimum dari iterasi diijinkan selesai. 3. perkiraan setelah pencarian grid dan perkiraan kemungkinan akhir maksimum semua disajikan dalam file output. Hal ini saat ini ditetapkan dalam FRONT41.00001. Kriteria konvergensi diatur dalam FRONT41. Untuk diskusi umum tentang manfaat relatif dari sejumlah Newton dan metode Quasi-Newton lihat Himmelblau (1972). T dan K telah dihapus. karena program harus ditulis ulang menggunakan array dinamis dialokasikan. yang ditemukan oleh banyak pengguna terlalu membatasi. 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. Output Program 3.000 ke 100. Struktur umum dari subrutin.000 dapat digunakan untuk menekan pencatatan efisiensi individu 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. 20. ini hanya rata-rata aritmetika dari efisiensi individu. 1995). Perkiraan efisiensi teknis atau biaya masing-masing dihitung dengan menggunakan ekspresi disajikan dalam Battese dan Coelli (1991. maka kita mengalihkan perhatian kita kepada metode Quasi-Newton yang hanya membutuhkan vektor derivatif parsial pertama diturunkan.0 dan 4. Batas Ukuran 100. jika perubahan proporsional dalam fungsi kemungkinan dan masing-masing parameter kurang dari 0.3 Yang paling-kuadrat biasa estimasi. SEARCH. yang juga memberikan gambaran tentang mekanika (bersama dengan kode Fortran) dari sejumlah metode yang lebih populer. ETA dan CONVRG. Banyak metode gradien digunakan untuk mendapatkan estimasi maksimum likelihood.000 start-up file oleh TOL parameter. dengan mengubah nilainya 1-0. Prosedur iteratif mengambil nilai parameter yang diberikan oleh para pencari grid sebagai nilai awal (kecuali nilai mulai dipasok oleh pengguna). seperti metode Newton-Raphson. yang tidak standar Fortran .Variabel ITE di FRONT41. MINI. Ukuran model yang sekarang dapat diestimasi dengan program ini hanya dibatasi oleh jumlah RAM yang tersedia pada PC Anda. masing-masing. memerlukan matriks turunan parsial kedua untuk dihitung. Penghapusan batas-batas ukuran yang telah dicapai dengan menyusun program menggunakan kompiler Lahey F77L-EM/32 dengan extender DOS.

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

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

58.124 59. File ini direproduksi dalam Tabel 1e.855 5.105 5. 1. 1. instruksi-instruksi yang sama dapat dikirim ke FRONTIER dengan memilih terminal (t) opsi dan menjawab serangkaian pertanyaan].095 89. periode waktu (1). On line 4 "1" dimasukkan untuk menunjukkan kita memperkirakan fungsi produksi. 14.340 60. 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. Tabel 1a . kita harus menjawab tidak untuk menentukan nilai awal karena kita ingin mereka yang akan dipilih menggunakan grid search [Jika kita telah menjawab ya untuk. Karena bentuk sederhana model ini contoh pertama (dan dua berikutnya contoh) tidak masalah apakah "1" atau "2" dimasukkan.799 . [Catatan bahwa jika kita memilih model 2 pada baris pertama dari file instruksi. jumlah pengamatan (60) dan jumlah regressor (2).643 77.] Akhirnya kita ketik FRONT41 di DOS prompt.DAT File Data _____________________________________________________________________ 1. 20. nilai awal. 1.416 35.untuk menunjukkan apakah Model 1 atau 2 diperlukan. 1.621 44.834 60. .].329 87.SHA Shazam Instruksi Berkas _____________________________________________________________________ . pilih pilihan instruksi file (f) [Jika Anda tidak ingin membuat file instruksi.OUT).358 9.134 2.218 _____________________________________________________________________ Tabel 1b . Kita harus menjawab tidak untuk karena kita hanya memiliki satu lintas -bagian data dan karenanya tidak dapat mempertimbangkan waktu bervariasi efisiensi. Kemudian pada empat baris berikutnya kita tentukan jumlah perusahaan (60). Program ini kemudian akan mengambil tempat antara beberapa detik dan beberapa menit untuk mengestimasi model perbatasan dan mengirim output ke file yang memiliki nama (EG1. Untuk model sederhana dalam contoh ini kita akan menjawab "n" dan "0".] Terakhir. 21. 1.285 4. 1. masing-masing. Pada tiga baris berikutnya kita tidak menjawab (n) untuk setiap pertanyaan.Listing EG1. kemudian ketik nama file instruksi (EG1. dan pada baris 5 sebuah "y" dimasukkan untuk menunjukkan bahwa variabel dependen sudah dicatat (ini digunakan oleh program untuk memilih rumus yang benar untuk efisiensi perkiraan). .INS). maka kita perlu nilai-nilai awal untuk masing-masing jenis parameter. mengetik satu di setiap baris.DTA) dan nama file output (di sini kita telah menggunakan EG1. Pada dua baris berikutnya dari file nama file data (EG1. 12.124 7..778 9. dalam urutan tertentu.OUT) ditentukan. 24.Listing EG1. 27. kita perlu menjawab pertanyaan-pertanyaan dalam kurung kotak pada baris 10 dan 11 dari instruksi file gantinya.297 3.

058473 4.789132 _____________________________________________________________________ Tabel 1d .read (eg1.497574 .547725 2. .726510 3.233128 4.dat) n t y x1 x2 genr ly = log (y) genr lx1 = log (x1) genr lx2 = log (x2) 33 file eg1.000000 1.646529 1.00000 1.Listing EG1.00000 1.000000 3.000000 2.INS Berkas Instruksi _____________________________________________________________________ 1 1 = KESALAHAN KOMPONEN MODEL.000000 1.out NAMA FILE 1 1 = PRODUKSI FUNGSI.Listing EG1.000000 1.000000 2.000000 3. 2 = FUNGSI BIAYA y login VARIABEL TERGANTUNG (Y / N) 60 JUMLAH BAGIAN LINTAS 1 JUMLAH PERIODE WAKTU 60 JUMLAH PENGAMATAN DALAM JUMLAH 2 JUMLAH VARIABEL REGRESSOR (Xs) n MU (Y / N) [OR DELTA0 (Y / N) JIKA MENGGUNAKAN MODEL TE EFEK] n ETA (Y / N) [ATAU JUMLAH EFEK regressor TE (Zs)] n MULAI VALUES (Y / N) JIKA YA MAKA BETA0 Beta1 ATAS BETAK SIGMA Squared GAMMA MU [ATAU DELTA0 ETA DELTA1 ATAS DELTAK] .000000 3.535361 4.037594 1. 58.347655 3.00000 1.061426 2.300419 2.189859 1.000000 3.628260 4.dta menulis (33) n t ly lx1 lx2 berhenti _____________________________________________________________________ Tabel 1c .dta DATA NAMA FILE KELUARAN eg1.242410 3.467332 59.099995 60.559169 2. 2 = TE EFEK MODEL eg1. .DTA File Data _____________________________________________________________________ 1.

58014216E 00 beta 1 0.21360307E +00 +00 +01 0.1) instruksi file = eg1.58354940E 01 beta 2 0.28049246E 00 beta 2 0.ins file data = eg1.51498586E-01 0.48066617E-01 0.17034854E +02 .18446849E +02 perkiraan setelah pencarian grid: beta 0 0.22067413E 00 gamma 0.Listing 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.28049246E +00 0.53330637E 00 sigma-squared 0. _____________________________________________________________________ Tabel 1e .11465114E beta 1 0.53330637E +00 0.10355748E +02 sigma-squared 0.OUT Output File _____________________________________________________________________ Output dari program FRONTIER (Versi 4.11398496E 00 log kemungkinan fungsi =-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 0.80000000E 00 mu dibatasi dengan nol eta dibatasi dengan nol iterasi = 0 func evals = 19 llf =-0.24489834E 0.

28108701E +00 +00 +00 0.40106205E-04-0.79720730E 0.22067413E 0.53330637E 0.40456494E 0.28049246E +00 +00 +00 0.56160697E 0.17027229E +02 0.11855501E +02 sigma-squared 0.63909106E-01 0.0.91550467E-04 .56161963E 0.21694170E 0.31446721E-02-0.45251553E-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: 0.79720730E +00 +00 perkiraan MLE final adalah: koefisien standar-kesalahan t-rasio beta 0 0.28110205E +00 0.59001301E 01 beta 2 0.47643365E-01 0.21700046E 0.58436004E mu dibatasi dengan nol eta dibatasi dengan nol log kemungkinan fungsi =-0.33954545E 01 gamma 0.17027230E +02 0.80000000E +00 +00 gradien langkah iterasi = 5 func evals = 41 llf =-0.92519362E-02 -0.53647803E 0.31446721E-02-02 0.13642399E +00 +00 +01 0.53647981E +00 0.22698902E 0.79718731E +00 +00 iterasi = 7 func evals = 63 llf =-0.58014216E 0.41053521E-01-0.27718331E beta 1 0.56161963E 0.28110205E +00 +00 +00 0.21700046E +00 0.29528845E-04-0.80030279E-02-02 0.53647981E 0.17027229E +02 LR uji kesalahan satu sisi = 0.20261668E +00 +00 +01 0.

DAT File Data _____________________________________________________________________ 1. 58 0. 1.70842786E 00 berarti efisiensi = 0.85670448E 00 60 0. Ki.799 .20477030E-02-0.134 2.92519362E-02-0.47190308E-04-0. tetapi hanya daftar 4 tabel: 2a ke 2d.-0. Kami menekan daftar dari file output untuk menghemat ruang.INS kami telah membuat jumlah regressor sebesar 5 dan menjawab ya (y) terhadap pertanyaan (karena kita ingin Ui akan terpotong normal ). 1. nomor tambahan akan muncul pada baris baru.16404645E-03 0.66471456E 00 59 0. 1.91550467E-04-0. 20.Listing EG2. 1 0.74056772E 00 _____________________________________________________________________ 4.297 3. mana Qi.67450773E-02 0.-est.40456494E-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 .80030279E-02-04 0.Ui).. karena file ini EG2.40843738E 0.2. .2 Sebuah frontier translog produksi dengan menggunakan data cross-sectional dan mengasumsikan distribusi normal terpotong. .72642592E 00 .855 5.DTA berisi tiga lebih kolom [ Perhatikan bahwa perintah Shazam MENULIS hanya akan mencantumkan lima angka pada setiap baris.67450773E 0.643 77.285 4. Li dan Vi adalah seperti yang didefinisikan sebelumnya. Dan di EG2.47190308E-04-02 0.778 9.29528845E-04-0. Tabel 2a .82889151E 00 3 0. .416 35.40106205E 0. Kami mengikuti presentasi mirip dengan yang di Bagian 4.095 89. Jika Anda memiliki lebih dari lima kolom. 12. . FRONTIER tidak memiliki masalah membaca ini bentuk file data] dari EG1. Perbedaan utama yang perlu diperhatikan antara prosedur dalam Bagian 4.65068880E 00 2 0.DTA. 24.16404645E-03-02 0. dan Ui telah dipotong distribusi normal.1 dan di sini adalah bahwa: istilah kuadrat dan interaksi harus dihasilkan dalam file instruksi Shazam (lihat Tabel 2b).18611506E-01 teknis efisiensi perkiraan: perusahaan eff.

95706 9.986860 19.105 5.90211 6.541973 _____________________________________________________________________ Tabel 2d .189859 1.233128 4.976124 59.DTA File Data _____________________________________________________________________ 1.242410 3.099995 4.000000 2.789132 2.00000 1. 14.000000 3.834 60.218 _____________________________________________________________________ Tabel 2b .467332 4.357333 18.000000 2.980835 14.000000 1.000000 1.037594 1.000000 3. 1. 27.535361 4.Listing EG2.Listing EG2.547725 2.628260 4.329 87.35752 6.323218 .559169 5.000000 3.000000 3. 1.058473 4.621 44.dta menulis (33) t n ly lx1 lx2 lx1s lx2s lx12 berhenti _____________________________________________________________________ Tabel 2c .651230 20.124 59. 58.675219 3.347655 2. ..340 60.66769 7.237312 16.INS Berkas Instruksi _____________________________________________________________________ 1 1 = KESALAHAN KOMPONEN MODEL.358 9.497574 2. .00000 1.028404 12.981118 2.646529 1.061426 2.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 eg2.726510 3.00000 1.000000 1.80996 8.Listing EG2.22817 7.439730 60.124 7. 2 = TE EFEK MODEL . 1.300419 2. 21.SHA Shazam Instruksi Berkas _____________________________________________________________________ read (eg2. 58.

445. masing-masing.893 11. dan Vi dan Ui dianggap normal dan setengah-normal didistribusikan.DAT File Data _____________________________________________________________________ 1. 783.742 24.368 16.3 A Cobb-Douglas biaya perbatasan dengan menggunakan data cross-sectional dan asumsi distribusi normal setengah. output.925 28.eg2. 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. 1.out NAMA FILE 1 1 = PRODUKSI FUNGSI. 1.DTA (lihat Tabel 3c). _____________________________________________________________________ 4.dta DATA NAMA FILE KELUARAN eg2. File EG3. Dalam contoh ini kita ingin memperkirakan biaya perbatasan Cobb-Douglas: (9) ln (Ci / Wi) = 0 + 1ln (Qi) + 2ln (Ri / Wi) + (Vi + Ui). R dan W.564 . waktu.813 34. C. masing-masing. mana Ci. 1. Tabel 3a . Ri dan Wi adalah biaya.322 12. dalam urutan (lihat Tabel 3a). Kode Shazam dalam Tabel 3b menghasilkan variabel berubah yang diperlukan dan menempatkan mereka di EG3.857 23.591 2. 439.838 14.Listing EG3. harga modal dan harga tenaga kerja. Q. Qi.098 3.DAT berisi 60 observasi pada perusahaan-id periode. 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.469 35.

672 _____________________________________________________________________ Tabel 3b .281 60.000000 3.000000 3.580542 -0.550709 -0.3262144 59. 1.990748 3.625840 3.DTA File Data _____________________________________________________________________ 1.191381 -0.6875683 _____________________________________________________________________ Tabel 3d .Listing EG3.411 23.9057584 60.000000 3.Listing EG3. 1.558 26.000000 1.853 10.234 20.291680 -0.dat) t n c q w r lcw log = genr (c / w) genr LQ = log (q) lrw log = genr (r / w) 33 file eg3.00000 1..SHA Shazam Instruksi Berkas _____________________________________________________________________ read (eg3.864203 3. 58. 1114.000000 1. .000000 1.8744549 2.919 29.INS Berkas Instruksi _____________________________________________________________________ 1 1 = KESALAHAN KOMPONEN MODEL.514 14. 58.310640 3.946442 3.000000 2. .1422282 .037258 -0.882 59.00000 1. 2 = FUNGSI BIAYA y login VARIABEL TERGANTUNG (Y / N) 60 JUMLAH BAGIAN LINTAS 1 JUMLAH PERIODE WAKTU . 1.00000 1. 408.Listing EG3.dta DATA NAMA FILE KELUARAN eg3.888 7. .292668 3. 216. 2 = TE EFEK MODEL eg3.369 32.000000 2.000000 2.dta menulis (33) n t lcw LQ lrw berhenti _____________________________________________________________________ Tabel 3c .848 9.481671 -0.out NAMA FILE 2 1 = PRODUKSI FUNGSI. .5858576 3.

076 81.350 15.580 7. 1. 12.698 5. Tabel 4a .799 4. 1. 16. 6.297 3.897 1.350 38.066 92. 19.309 4.618 0. Dalam contoh ini kami perkirakan model yang penuh didefinisikan oleh (2).643 77.476 12.095 89. 1. 1.975 73. 1. 29. 1.416 35.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. 1.676 3.903 7. 10.134 2. 1. 26. 1. dan dan pertanyaan yang telah dijawab oleh ya ( y).344 65. 8.084 9.605 8.886 5.032 2.131 9.096 13.130 14.432 9. 10. Instruksi Shazam (lihat Tabel 4b) tidak berbeda dengan contoh pertama.380 .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.168 4.203 6.258 97. 11. Data yang telah direproduksi secara penuh pada Tabel 4a untuk memperjelas bentuk perusahaan-id dan kolom waktu periode (kolom 1 dan 2).434 1.232 4.334 82.604 24. 1.876 10.907 8.174 7. 1.239 0.DAT File Data _____________________________________________________________________ 1. 1. 1.Listing EG4.878 6. 15.717 27. 1. Kami menggunakan data pada 15 perusahaan yang diamati selama 4 periode waktu. 16. 16. 12. 2. _____________________________________________________________________ 4.033 55. 1.935 35.761 11.4 Battese dan Coelli (1992) spesifikasi (Model 1).

812 7. 3.329 87.040 50. 11.073 13.264 11.490 2.149 5. 10.019 4.992 8.085 11. 19. 4.471 2.656 94. 3. 7.440 63.218 _____________________________________________________________________ . 4. 8. 2. 30.051 7.520 3.188 1.690 1.843 7.639 5.996 6.827 93.1.668 68. 2. 3.921 0. 23.548 2.029 77.891 59. 4.479 2. 4. 4. 12.177 64.427 39. 19. 23.789 8.018 5. 4. 10.535 8.966 3. 2. 2.055 4. 4.834 60. 2.388 8.323 6. 14.886 14.314 9. 23.871 50.265 95.740 9.590 18.884 1. 13. 3. 4. 4.688 2.425 49.708 0.451 15.734 9.264 4. 3.741 10. 13.936 2.563 4. 4. 20. 13. 2. 3.182 14. 3. 4. 4. 2. 2. 9.074 7.904 8.834 1. 3.704 2. 4.561 29. 3. 24. 24. 24.556 6.621 44. 38. 3.503 59. 17. 22.072 15. 2. 4. 11. 25.574 4. 2.334 8.459 4.628 11.651 12. 3.839 2.727 1.023 2. 7.312 40. 31.312 94.085 60. 2. 23. 15. 3. 20.439 35.088 9.241 3.379 6.223 89.455 30.937 98.190 8. 3. 2.752 80.896 88. 7.488 13.545 4. 2. 21.128 1.312 3.989 6. 9.773 12.961 10.312 10.275 13. 17.906 72. 18.907 38. 22. 14.583 22.192 8.389 5. 4.055 77.964 7.169 68.220 57.104 7.124 14.612 7.314 2. 22. 15.195 95.955 41.661 87.159 9.405 42.737 7. 3.668 4. 2.627 3. 14.322 2.498 0.034 0.433 6.722 30.069 6.820 6. 2. 23.918 78.895 63.340 15.583 4.274 9.160 2.916 5. 5.377 12.424 6.149 26.551 36. 2. 4.736 4. 3.337 5.

Tabel 4b .726510 3.out NAMA FILE 1 1 = PRODUKSI FUNGSI.347655 3.269911 1. 13.000000 3.000000 1.Listing EG4.000000 3.DTA File Data _____________________________________________________________________ 1.INS Berkas Instruksi _____________________________________________________________________ 1 1 = KESALAHAN KOMPONEN MODEL.716746 2.000000 3.467332 14.628260 4.000000 2.535361 4. .099995 15.000000 1.00000 4.00000 4.242410 3.233128 4.SHA Shazam Instruksi Berkas _____________________________________________________________________ read (eg4.929490 1.dta menulis (33) n t ly lx1 lx2 berhenti _____________________________________________________________________ Tabel 4 c .Listing EG4.559169 2.058473 4.149054 2.119674 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 .497574 .000000 3.dat) n t y x1 x2 genr ly = log (y) genr lx1 = log (x1) genr lx2 = log (x2) 33 file eg4.789132 _____________________________________________________________________ Tabel 4d .123994 2.00000 4. 2 = TE EFEK MODEL eg4.000000 1.Listing EG4.000000 1.dta DATA NAMA FILE KELUARAN eg4.

Tabel 5a . 23.643 77.DAT File Data _____________________________________________________________________ 1.886 5. 4. 22.5 Battese dan Coelli (1995) spesifikasi (Model 2). 13.621 44.124 4.Instruksi Shazam (lihat Tabel 5b) yang mirip dengan yang di contoh pertama.000 2. .218 4.Listing EG5. Instruksi FRONTIER file (EG5.416 35.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.314 9. 1.095 89.Listing EG5. kecuali bahwa data pada variabel z harus dibaca dan membaca.309 4.SHA Shazam Instruksi Berkas _____________________________________________________________________ read (eg5.dat) n t y x1 x2 z1 genr ly = log (y) genr lx1 = log (x1) genr lx2 = log (x2) 33 file eg5. 26.639 5.dta . _____________________________________________________________________ 4.131 9.000 3.340 4.134 1. 4.329 87.DAT (lihat Tabel 5a) berisi satu lagi kolom (variabel z). 22. Jadi file data EG5. dari berkas data pada contoh sebelumnya. 1. 1.000 _____________________________________________________________________ Tabel 5b .INS) berbeda dalam sejumlah cara dari contoh sebelumnya: nomor model di line satu sudah disetel ke "2".297 1. pertanyaan tentang 0 sudah dijawab oleh yes (baris 10) dan jumlah variabel z telah diatur untuk 1 (baris 11).834 60. 6.000 15.000 .737 7.799 1. 15. . 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).000 14. 4.

menulis (33) n t ly lx1 lx2 z1 berhenti _____________________________________________________________________ Tabel 5c .467332 4. 2 = TE EFEK MODEL eg5.000000 3.000000 1.00000 4.000000 .628260 4.000000 3.DTA File Data _____________________________________________________________________ 1.716746 2.929490 1.269911 1.233128 4. .000000 1.dta DATA NAMA FILE KELUARAN eg5.099995 4.242410 3.535361 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] 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 1.Listing EG5.000000 2.00000 4.00000 4.497574 1.000000 _____________________________________________________________________ Tabel 5d .559169 1.000000 3.058473 4.000000 3.119674 1.000000 2.123994 2.789132 4.000000 1.Listing EG5.INS Berkas Instruksi _____________________________________________________________________ 2 1 = KESALAHAN KOMPONEN MODEL.000000 14.149054 2.347655 1.out NAMA FILE 1 1 = PRODUKSI FUNGSI.000000 15.000000 3. . 13.726510 3.

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

Journal of Econometrics. CAK dan Schmidt. 247-268.SETIAP INFO PRINT "N" Iterasi. Greene. (1982). dan Lee. The Pengukuran Efisiensi Produktif.. McGraw-Hill.A. 233-238. 0 = JANGAN PRINT 1 Indic . (1986).. Universitas New England. 32.Departemen Ekonometrika.000. Journal of Econometrics.K. New York. P.. Materov C. LAMPIRAN .J. Putih. 413-430.M. "Sistematik Berangkat dari Frontier: Sebuah Kerangka untuk Analisis Inefisiensi Perusahaan". 3. Manual Referensi Shazam Pengguna Versi 7.64. Himmelblau. International Economic Review. 9. W. R. D. Jurnal Analisis Produktivitas.R. "Pendekatan Ekonometrik Dari analisis Efisiensi". MD (1988). Tabel A1 .. International Economic Review. I. dan Stevenson. P. "estimator dan Tes Hipotesis untuk Stochastic: Sebuah Analisis Monte Carlo". (1979). D. "Distribusi asimtotik untuk Maximum Likelihood Estimator untuk Stochastic Frontier Fungsi Model dengan Informasi Singular Matrix". 289-328.K. 4. Terapan Non-Linear Programming. Pitt. dan Schmidt.H. SS (Eds). Schmidt. Lee.. P. "Fungsi Produksi Frontier". Meeusen. New York. 13 57-66. Jurnal Ekonomi Pembangunan. 9. Journal of Econometrics. LF (1993). 13 5-25. 435-444. Lovell HO. R.000 start-up file tercantum pada Tabel A1. (1977).M. "A Stochastic Frontier Fungsi Biaya untuk Penyediaan Penitipan Anak Residensial". 9. J.000-up file mulai ____________________________________________________________ KUNCI NILAI DIGUNAKAN DALAM PROGRAM FRONTIER (VERSI 4. Sepuluh nilai dapat diubah di FRONT41.LIHAT BAWAH . (1991). 19. "Pengukuran dan Sumber Teknis inefisiensi dalam bahasa Indonesia dalam Tenun Industri". 18. Stevenson. McGraw-Hill. (1972). di goreng.1) NOMOR: DESCRIPTION: 5 iPrint . Hughes. (1993). Oxford University Press.A. "Efisiensi Estimasi dari Cobb-Douglas Fungsi Produksi Dengan Terdiri Error". M. "Sebuah Survei Frontier Fungsi Produksi dan mereka Hubungan dengan Efisiensi Pengukuran". "Pada perkiraan Teknis inefisiensi dalam Stochastic Frontier Fungsi Produksi Model". "Memperkirakan Inefisiensi Teknis dan Alokasi Sehubungan dengan Produksi Stochastic dan Frontiers Biaya". K. 203-214. Jondrow. (1980). 343-366. Sebuah deskripsi singkat dari setiap nilai disediakan di bawah ini. Ekonometrik Teori.The FRONT41. C. C.0. Reifschneider.S. Coelli..K.43 . 68-119. P. Forsund. Journal of Ekonometrika Terapan. W. dan van den Broeck.. Armidale. (1993). Schmidt. T. Journal of Econometrics. LF (1981).PROGRAMMER'S GUIDE A. 715-723. Lovell.E. dan Schmidt. 6.000 The FRONT41. (1980) "Fungsi Kemungkinan untuk estimasi Generalised Stochastic Frontier". (1995). J. Lovell. dan Lovell. Econometric Reviews.DIGUNAKAN DALAM PROSEDUR CARI unidimensional .A.1 File FRONT41. F.

2) Indic . UNIVERSITAS INGGRIS BARU.DIGUNAKAN UNTUK SET batas PADA DEN & DIST 0. 0 PRINT = HANYA MEAN TE NOMOR YANG DALAM FILE INI OLEH PROGRAM FRONTIER KAPAN DIMULAI PELAKSANAAN.1 GRIDNO . Armidale.MAKSIMUM YANG DIIZINKAN jumlah iterasi 1 ITE .LANGKAH DIAMBIL DI CARI GRID AKURASI SINGLE ON GAMMA 100 MAXIT .00001 maka prosedur iterasi akan berakhir pada saat perubahan proporsional dalam fungsi log-likelihood dan di masing-masing parameter estimasi semua kurang dari . Ini dapat digunakan sebagai berikut: Indic = 2 mengatakan tidak panjang langkah skala dalam pencarian uni-dimensi.1 = PRINT SEMUA PERKIRAAN TE. CEPA KERJA KERTAS 96/07. dan India = nomor lainnya mengatakan skala ( untuk panjang langkah terakhir) Untuk informasi lebih lanjut lihat Himmelblau (1972).TOLERANSI KONVERGENSI (proporsional) 0.berhubungan dengan pencarian Coggin uni-dimensi yang dilakukan sebelum iterasi masing-masing untuk menentukan panjang langkah yang optimal.0D +16 bignum .menentukan seberapa sering informasi pada nilai fungsi likelihood dan vektor estimasi parameter harus dicatat selama proses iteratif. Hal ini awalnya diatur ke 5.UKURAN 1ST LANGKAH DALAM PROSEDUR PENCARIAN 1 IGRID2 .TOLERANSI DIGUNAKAN DALAM PROSEDUR PENCARIAN UNIDIMENSI 1. Jika nilai ini mengatakan diatur ke 0. IT IS DIBERITAHU BAHWA CADANGAN DARI FILE INI DIBUAT SEBELUM PERUBAHAN.INI 0.00001 TOL . ANDA DAPAT MENGUBAH ANGKA DALAM FILE INI JIKA ANDA WISH.00001 Langkah 1 . Indic = 1 mengatakan skala (dengan panjang langkah terakhir) hanya jika langkah terakhir adalah lebih kecil.1 AKURASI = PENELUSURAN GRID DOUBLE.mengatur toleransi konvergensi pada proses iteratif. Sebuah 0 akan mengakibatkan ada pelaporan informasi intermediate.001 TOL2 . 3) TOL . UNTUK INFORMASI LEBIH PADA VARIABEL INI LIHAT: COELLI (1996). 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 . 2351 AUSTRALIA. NSW. maka informasi yang dicetak setiap 5 iterasi. Hal ini dapat diatur untuk setiap nilai integer nonnegatif. 0 = SINGLE 0.

Untuk informasi lebih lanjut lihat keterangan dari pencarian grid dalam Bagian 3. Nilai 1 akan menyebabkan mereka akan dicatatkan.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. 7) IGRID2 .menentukan apakah perkiraan efisiensi individu harus tercantum dalam file output. Hal pertama panggilan GRID untuk melakukan pencarian grid (asumsi nilai awal tidak ditentukan oleh pengguna). ETA dan CONVRG berulang kali sampai kriteria konvergensi terpenuhi (atau jumlah iterasi maksimum tercapai).Nomor ini telah diatur untuk 1.0. MINI: Ini adalah subroutine utama dari program ini.menetapkan jumlah maksimum iterasi yang akan dilakukan. Hal ini terutama suatu pilihan yang berguna ketika file batch ditulis untuk simulasi monte carlo.mengatur toleransi diperlukan pada pencarian Coggin uni-dimensi dilakukan setiap iterasi untuk menentukan panjang langkah. memanggil SEARCH.mengatur lebar langkah-langkah yang diambil dalam pencarian grid antara nol dan satu di parameter. A.000-up file mulai sebelum menelepon INFO.Ini harus ditetapkan dengan hati-hati karena terlalu besar nilai yang dapat mengakibatkan keluar kanan 'melangkah' program ruang parameter masuk akal. Ini pertama kali membaca FRONT2. HASIL: Mengirimkan semua hasil akhir ke file output.00001.set ukuran langkah pertama dalam proses iteratif.0e +16 untuk PC IBM. Metode Davidon-Fletcher-Powell digunakan. 8) GRIDNO . 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). 4) TOL2 . bagaimanapun. 10) ITE . dan 0 akan menekan mereka. presisi yang lebih besar akan diperoleh jika angka yang lebih besar diperbolehkan. Untuk informasi lebih lanjut lihat keterangan dari pencarian grid dalam Bagian 3.2 subroutine Deskripsi EXEC: Ini adalah program panggilan utama.batas ukuran jumlah terbesar bahwa program harus berurusan dengan. 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. Jika diatur ke nol hanya tahap pertama dari grid pencarian akan dilakukan. dan individu dan rata-rata estimasi efisiensi teknis. t-rasio. 9) MAXIT . MINI kemudian melakukan loop iterasi utama FRONTIER. Untuk informasi lebih lanjut lihat Himmelblau (1972). 6) Langkah 1 . GRID: Apakah kotak pencarian di atas. SEARCH: Melakukan penelusuran uni-dimensi untuk menentukan panjang langkah . standar error perkiraan. Ini termasuk estimasi parameter. Hal ini biasanya akan aman untuk meninggalkan sebagai itu. Kemudian panggilan MINI. 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. INFO: subrutin ini membaca petunjuk baik dari file atau dari terminal kemudian membaca file data.

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

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->