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

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

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

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

Semua penduga dengan pengecualian mencegat akan bias. Perhatikan bahwa data harus sesuai diubah jika bentuk fungsional selain fungsi linier diperlukan. Ini adalah diturunkan dalam lampiran di Battese dan Coelli (1992) . Pengamatan dapat didaftar dalam urutan apapun tetapi kolom harus dalam urutan lain.1-0. Setelah mengetik "FRONT41" untuk memulai eksekusi. pencarian grid dilakukan di ruang parameter.1 di FRONT41. 3. Jika pilihan (terminal) interaktif dipilih. 3. program ini akan melewatkan dua langkah pertama dari prosedur. 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. Ukuran selisih ini bisa diubah dengan mengubah nilai dari variabel GRIDNO yang diatur ke nilai 0. pengguna ditanya apakah instruksi akan datang dari sebuah file atau terminal.2 Prosedur Iterative Maksimalisasi Urutan pertama derivatif parsial dari fungsi log-kemungkinan Model 1 dan 2 adalah ekspresi yang panjang. Struktur dari file instruksi terdaftar pada bagian berikutnya. Harus ada setidaknya satu pengamatan pada setiap perusahaan N dan harus ada setidaknya satu pengamatan dalam periode waktu 1 dan dalam jangka waktu T. Mereka hanya digunakan ketika Model 2 sedang diperkirakan.1. 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). Nilai dianggap 0. Setiap parameter lainnya (. jika variabel.2. maka kolom 2 (periode waktu kolom) harus berisi nilai "1" di seluruh. 3.1 diasumsikan).000. Selanjutnya. diatur ke 1 (bukan 0) maka pencarian tahap kedua grid akan dilakukan di sekitar nilai-nilai yang diperoleh pada tahap pertama. IGRID2. di FRONT41. Lebar pencarian ini grid GRIDNO / 2 kedua sisi fase satu perkiraan dalam langkah GRIDNO/10.2. Program ini dapat menerima instruksi baik dari file atau dari terminal. Jika Anda menggunakan silang tunggal-bagian data. Jadi nilai awal untuk akan diperoleh dengan akurasi dua tempat desimal bukan tempat desimal satu diperoleh dalam pencarian grid fase tunggal (ketika nilai GRIDNO = 0.1 Grid Search Seperti disebutkan sebelumnya.2 Metode Tiga Langkah Estimasi Program ini akan mengikuti prosedur tiga langkah dalam mengestimasi estimasi maksimum likelihood dari parameter fungsi produksi frontier stokastik. pertanyaan akan diminta dalam urutan yang sama seperti yang ditampilkan dalam file instruksi. atau 's) yang diatur ke nol dalam kotak pencarian. Contoh melibatkan kedua bentuk akan disediakan dalam Bagian 4. Cobb-Douglas dan bentuk translog fungsional merupakan bentuk fungsional yang paling sering digunakan dalam analisis perbatasan stokastik. Z entri tercantum dalam tanda kurung siku untuk menunjukkan bahwa mereka tidak selalu diperlukan. 2) Sebuah pencarian grid dua tahap dilakukan.9 dengan penambahan ukuran 0.3 + k + p)] zpit.] The tiga langkah tersebut adalah: 1) Ordinary Least Squares (OLS) perkiraan fungsi diperoleh.000 start-up file. [Jika mulai nilai yang ditentukan dalam file instruksi.

Hal ini saat ini ditetapkan dalam FRONT41. 20.000 start-up file oleh TOL parameter. Untuk diskusi umum tentang manfaat relatif dari sejumlah Newton dan metode Quasi-Newton lihat Himmelblau (1972). maka kita mengalihkan perhatian kita kepada metode Quasi-Newton yang hanya membutuhkan vektor derivatif parsial pertama diturunkan. Penghapusan batas-batas ukuran yang telah dicapai dengan menyusun program menggunakan kompiler Lahey F77L-EM/32 dengan extender DOS.3 Yang paling-kuadrat biasa estimasi. masing-masing. Ukuran model yang sekarang dapat diestimasi dengan program ini hanya dibatasi oleh jumlah RAM yang tersedia pada PC Anda. 1995). Perkiraan efisiensi teknis atau biaya masing-masing dihitung dengan menggunakan ekspresi disajikan dalam Battese dan Coelli (1991. Tindakan ini tidak datang dengan biaya beberapa meskipun. Struktur umum dari subrutin. jika perubahan proporsional dalam fungsi kemungkinan dan masing-masing parameter kurang dari 0. ETA dan CONVRG. Diputuskan bahwa tugas ini mungkin sebaiknya dihindari. 2) Batas-batas ukuran tua di N. ini hanya rata-rata aritmetika dari efisiensi individu.000 dapat digunakan untuk menekan pencatatan efisiensi individu dalam file output. b) Jumlah maksimum dari iterasi diijinkan selesai. Ini estimasi matriks kovarians juga terdaftar pada output. yang juga memberikan gambaran tentang mekanika (bersama dengan kode Fortran) dari sejumlah metode yang lebih populer. dengan mengubah nilainya 1-0. digunakan dalam FRONTIER diambil dari lampiran dalam Himmelblau (1972). memerlukan matriks turunan parsial kedua untuk dihitung. 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. Program kemudian update vektor estimasi parameter dengan metode Davidon-Fletcher-Powell sampai salah satu dari berikut terjadi: a) kriteria konvergensi adalah puas. Saat ini sudah diatur sedemikian rupa sehingga. T dan K telah dihapus. yang ditemukan oleh banyak pengguna terlalu membatasi.1 Perbedaan utama adalah sebagai berikut: 1) The Battese dan Coelli (1995) model (Model 2) sekarang dapat diperkirakan. yang tidak standar Fortran . Perkiraan kesalahan standar ini diambil dari arah matriks yang digunakan dalam iterasi akhir prosedur Davidon-Fletcher-Powell. Kriteria konvergensi diatur dalam FRONT41. maka prosedur iterasi berakhir. Apabila salah perkiraan efisiensi berarti dilaporkan. SEARCH. 3.4 Perbedaan Antara Versi 2. MINI. dan 20 masing-masing.00001.0 dan 4. Output Program 3. Banyak metode gradien digunakan untuk mendapatkan estimasi maksimum likelihood. Batas Ukuran 100.000 ke 100. Kedua parameter ini dapat diubah oleh pengguna. Prosedur iteratif mengambil nilai parameter yang diberikan oleh para pencari grid sebagai nilai awal (kecuali nilai mulai dipasok oleh pengguna).dan Battese dan Coelli (1993). perkiraan setelah pencarian grid dan perkiraan kemungkinan akhir maksimum semua disajikan dalam file output.Variabel ITE di FRONT41. karena program harus ditulis ulang menggunakan array dinamis dialokasikan. seperti metode Newton-Raphson.

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

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

218 _____________________________________________________________________ Tabel 1b . 1. periode waktu (1). maka kita perlu nilai-nilai awal untuk masing-masing jenis parameter.124 59. Pada tiga baris berikutnya kita tidak menjawab (n) untuk setiap pertanyaan. masing-masing.778 9.INS). [Catatan bahwa jika kita memilih model 2 pada baris pertama dari file instruksi. kita harus menjawab tidak untuk menentukan nilai awal karena kita ingin mereka yang akan dipilih menggunakan grid search [Jika kita telah menjawab ya untuk. Pada dua baris berikutnya dari file nama file data (EG1. Tabel 1a .834 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. 58.Listing EG1. 27.105 5. dan pada baris 5 sebuah "y" dimasukkan untuk menunjukkan bahwa variabel dependen sudah dicatat (ini digunakan oleh program untuk memilih rumus yang benar untuk efisiensi perkiraan).OUT) ditentukan. 24.285 4. 1. Karena bentuk sederhana model ini contoh pertama (dan dua berikutnya contoh) tidak masalah apakah "1" atau "2" dimasukkan. 1.643 77. nilai awal.] Terakhir..DTA) dan nama file output (di sini kita telah menggunakan EG1. 14. dalam urutan tertentu.].855 5. kemudian ketik nama file instruksi (EG1.799 .095 89.untuk menunjukkan apakah Model 1 atau 2 diperlukan. File ini direproduksi dalam Tabel 1e. 1. 1. 21.329 87. instruksi-instruksi yang sama dapat dikirim ke FRONTIER dengan memilih terminal (t) opsi dan menjawab serangkaian pertanyaan].134 2.OUT).416 35.124 7. mengetik satu di setiap baris. Kemudian pada empat baris berikutnya kita tentukan jumlah perusahaan (60).Listing EG1. Untuk model sederhana dalam contoh ini kita akan menjawab "n" dan "0".621 44.358 9. Kita harus menjawab tidak untuk karena kita hanya memiliki satu lintas -bagian data dan karenanya tidak dapat mempertimbangkan waktu bervariasi efisiensi.DAT File Data _____________________________________________________________________ 1. On line 4 "1" dimasukkan untuk menunjukkan kita memperkirakan fungsi produksi. 1. 12. . pilih pilihan instruksi file (f) [Jika Anda tidak ingin membuat file instruksi. 20. . kita perlu menjawab pertanyaan-pertanyaan dalam kurung kotak pada baris 10 dan 11 dari instruksi file gantinya.340 60.SHA Shazam Instruksi Berkas _____________________________________________________________________ . 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.] Akhirnya kita ketik FRONT41 di DOS prompt. jumlah pengamatan (60) dan jumlah regressor (2).297 3.

00000 1. .dat) n t y x1 x2 genr ly = log (y) genr lx1 = log (x1) genr lx2 = log (x2) 33 file eg1.Listing EG1.Listing EG1.dta DATA NAMA FILE KELUARAN eg1.547725 2.789132 _____________________________________________________________________ Tabel 1d .read (eg1.559169 2.000000 3.535361 4.300419 2.000000 2.099995 60. 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] .233128 4.061426 2.037594 1.467332 59.00000 1.00000 1.497574 .000000 3. 2 = TE EFEK MODEL eg1.000000 1.347655 3.000000 3.out NAMA FILE 1 1 = PRODUKSI FUNGSI.628260 4.646529 1.000000 1. 58.726510 3. .058473 4.000000 1.INS Berkas Instruksi _____________________________________________________________________ 1 1 = KESALAHAN KOMPONEN MODEL.000000 2.DTA File Data _____________________________________________________________________ 1.dta menulis (33) n t ly lx1 lx2 berhenti _____________________________________________________________________ Tabel 1c .242410 3.000000 3.189859 1.

ins file data = eg1.18446849E +02 perkiraan setelah pencarian grid: beta 0 0. _____________________________________________________________________ Tabel 1e .11465114E beta 1 0.21360307E +00 +00 +01 0.10355748E +02 sigma-squared 0.22067413E 00 gamma 0.28049246E +00 0.11398496E 00 log kemungkinan fungsi =-0.48066617E-01 0.17034854E +02 .Listing EG1.1) instruksi file = eg1.58354940E 01 beta 2 0.OUT Output File _____________________________________________________________________ Output dari program FRONTIER (Versi 4.51498586E-01 0.53330637E +00 0.80000000E 00 mu dibatasi dengan nol eta dibatasi dengan nol iterasi = 0 func evals = 19 llf =-0.24489834E 0.58014216E 00 beta 1 0.53330637E 00 sigma-squared 0.CATATAN: JIKA ANDA MEMULAI PENYEDIAAN VALUES DAN ANDA TELAH DIBATASI MU [OR DELTA0] UNTUK ZERO MAKA ANDA TIDAK HARUS MINUM A STARTING NILAI UNTUK PARAMETER INI.dta Kesalahan Komponen Frontier (lihat B & C 1992) Model ini adalah fungsi produksi Variabel dependen adalah login perkiraan OLS adalah: koefisien standar-kesalahan t-rasio beta 0 0.28049246E 00 beta 2 0.

22698902E 0.47643365E-01 0.92519362E-02 -0.20261668E +00 +00 +01 0.91550467E-04 .58436004E mu dibatasi dengan nol eta dibatasi dengan nol log kemungkinan fungsi =-0.21700046E +00 0.27718331E beta 1 0.17027229E +02 LR uji kesalahan satu sisi = 0.59001301E 01 beta 2 0.28108701E +00 +00 +00 0.63909106E-01 0.28110205E +00 +00 +00 0.79720730E 0.40456494E 0.58014216E 0.13642399E +00 +00 +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: 0.53647981E +00 0.45251553E-01 0.33954545E 01 gamma 0.41053521E-01-0.11855501E +02 sigma-squared 0.29528845E-04-0.31446721E-02-0.79718731E +00 +00 iterasi = 7 func evals = 63 llf =-0.53647981E 0.22067413E 0.40106205E-04-0.21700046E 0.17027229E +02 0.17027230E +02 0.53647803E 0.31446721E-02-02 0.53330637E 0.80000000E +00 +00 gradien langkah iterasi = 5 func evals = 41 llf =-0.28049246E +00 +00 +00 0.21694170E 0.80030279E-02-02 0.28110205E +00 0.56161963E 0.79720730E +00 +00 perkiraan MLE final adalah: koefisien standar-kesalahan t-rasio beta 0 0.56160697E 0.56161963E 0.0.

. .-est. 1 0.INS kami telah membuat jumlah regressor sebesar 5 dan menjawab ya (y) terhadap pertanyaan (karena kita ingin Ui akan terpotong normal ). nomor tambahan akan muncul pada baris baru. 24.92519362E-02-0.80030279E-02-04 0.134 2.40843738E 0.2 Sebuah frontier translog produksi dengan menggunakan data cross-sectional dan mengasumsikan distribusi normal terpotong.DAT File Data _____________________________________________________________________ 1.Listing EG2. 20. 58 0.2.DTA.65068880E 00 2 0.85670448E 00 60 0.Ui).416 35.16404645E-03-02 0.72642592E 00 . 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 .82889151E 00 3 0. Kami mengikuti presentasi mirip dengan yang di Bagian 4. Jika Anda memiliki lebih dari lima kolom. tetapi hanya daftar 4 tabel: 2a ke 2d.285 4.DTA berisi tiga lebih kolom [ Perhatikan bahwa perintah Shazam MENULIS hanya akan mencantumkan lima angka pada setiap baris. 1.91550467E-04-0. Perbedaan utama yang perlu diperhatikan antara prosedur dalam Bagian 4.67450773E-02 0. 12. karena file ini EG2.778 9.66471456E 00 59 0.-0. dan Ui telah dipotong distribusi normal. mana Qi. Kami menekan daftar dari file output untuk menghemat ruang.67450773E 0.70842786E 00 berarti efisiensi = 0.40106205E 0.47190308E-04-02 0.29528845E-04-0.855 5.20477030E-02-0. . Li dan Vi adalah seperti yang didefinisikan sebelumnya.799 .47190308E-04-0.74056772E 00 _____________________________________________________________________ 4.297 3. .40456494E-02-0.095 89. Tabel 2a . FRONTIER tidak memiliki masalah membaca ini bentuk file data] dari EG1.1 dan di sini adalah bahwa: istilah kuadrat dan interaksi harus dihasilkan dalam file instruksi Shazam (lihat Tabel 2b). Ki. 1.16404645E-03 0. 1.18611506E-01 teknis efisiensi perkiraan: perusahaan eff. Dan di EG2.643 77. .

547725 2.467332 4.90211 6.358 9.789132 2.439730 60.497574 2.Listing EG2.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 eg2.986860 19.233128 4.000000 1.000000 3.189859 1.300419 2. 1.66769 7.35752 6.028404 12.00000 1.SHA Shazam Instruksi Berkas _____________________________________________________________________ read (eg2.061426 2.628260 4.105 5. 2 = TE EFEK MODEL .22817 7.535361 4.dta menulis (33) t n ly lx1 lx2 lx1s lx2s lx12 berhenti _____________________________________________________________________ Tabel 2c .000000 3.058473 4.981118 2.834 60.726510 3.242410 3.INS Berkas Instruksi _____________________________________________________________________ 1 1 = KESALAHAN KOMPONEN MODEL.976124 59.DTA File Data _____________________________________________________________________ 1. 58.80996 8.357333 18.646529 1.00000 1.000000 1.329 87. 27. 14.980835 14.651230 20. . 1.559169 5.340 60.621 44.124 7.000000 3.099995 4..000000 3.000000 1.Listing EG2. 21.000000 2. 58. .00000 1.037594 1.675219 3.323218 .95706 9.237312 16. 1.Listing EG2.218 _____________________________________________________________________ Tabel 2b .124 59.000000 2.347655 2.541973 _____________________________________________________________________ Tabel 2d .

DTA (lihat Tabel 3c). harga modal dan harga tenaga kerja. output. 439.DAT berisi 60 observasi pada perusahaan-id periode. masing-masing. dan Vi dan Ui dianggap normal dan setengah-normal didistribusikan. 783. 1. masing-masing.eg2. 445.925 28. Ri dan Wi adalah biaya.3 A Cobb-Douglas biaya perbatasan dengan menggunakan data cross-sectional dan asumsi distribusi normal setengah.893 11. mana Ci.857 23. waktu. Q.564 . 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.Listing EG3.469 35. Kode Shazam dalam Tabel 3b menghasilkan variabel berubah yang diperlukan dan menempatkan mereka di EG3.813 34. File EG3.out NAMA FILE 1 1 = PRODUKSI FUNGSI. dalam urutan (lihat Tabel 3a).098 3.742 24.322 12.368 16. R dan W. C.591 2. Tabel 3a . 1. _____________________________________________________________________ 4.838 14. Poin utama yang perlu diperhatikan mengenai file instruksi pada Tabel 3d adalah bahwa kita telah memasuki "2" on line 4 untuk menunjukkan fungsi biaya yang diperlukan. Qi. 1.DAT File Data _____________________________________________________________________ 1.dta DATA NAMA FILE KELUARAN eg2. Dalam contoh ini kita ingin memperkirakan biaya perbatasan Cobb-Douglas: (9) ln (Ci / Wi) = 0 + 1ln (Qi) + 2ln (Ri / Wi) + (Vi + Ui).

000000 2. 1.9057584 60.5858576 3.8744549 2.dat) t n c q w r lcw log = genr (c / w) genr LQ = log (q) lrw log = genr (r / w) 33 file eg3. .6875683 _____________________________________________________________________ Tabel 3d . 1.00000 1.672 _____________________________________________________________________ Tabel 3b .864203 3.000000 3. .SHA Shazam Instruksi Berkas _____________________________________________________________________ read (eg3.000000 1..Listing EG3.037258 -0. 2 = TE EFEK MODEL eg3.00000 1. 1114.411 23.580542 -0. 58.291680 -0.514 14.000000 2.Listing EG3.dta menulis (33) n t lcw LQ lrw berhenti _____________________________________________________________________ Tabel 3c .310640 3.946442 3.191381 -0.000000 1.853 10.550709 -0. 408.292668 3. 58.000000 3.Listing EG3. 216.882 59.625840 3.234 20.out NAMA FILE 2 1 = PRODUKSI FUNGSI.848 9.DTA File Data _____________________________________________________________________ 1.000000 2. .990748 3.INS Berkas Instruksi _____________________________________________________________________ 1 1 = KESALAHAN KOMPONEN MODEL.3262144 59.1422282 .558 26.369 32.000000 3.481671 -0. . 2 = FUNGSI BIAYA y login VARIABEL TERGANTUNG (Y / N) 60 JUMLAH BAGIAN LINTAS 1 JUMLAH PERIODE WAKTU .00000 1. 1.919 29.000000 1.281 60.dta DATA NAMA FILE KELUARAN eg3.888 7.

1. 1. 10.174 7. 29. 1.476 12.076 81. 1.203 6. 26.131 9.886 5.134 2.DAT File Data _____________________________________________________________________ 1. 15.604 24. 1. 1.618 0.717 27.643 77.239 0. 12.897 1.876 10.878 6. _____________________________________________________________________ 4.432 9.258 97. 1. 2.4 Battese dan Coelli (1992) spesifikasi (Model 1).344 65. Tabel 4a . 1. Kami menggunakan data pada 15 perusahaan yang diamati selama 4 periode waktu.Listing EG4.903 7.580 7.350 15. 10. Dalam contoh ini kami perkirakan model yang penuh didefinisikan oleh (2). Instruksi Shazam (lihat Tabel 4b) tidak berbeda dengan contoh pertama.084 9. 1. 6.066 92. 1. 8.130 14.605 8.799 4. 11.60 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. 19.698 5. 16. 16.032 2.761 11.434 1.033 55.907 8. 1.096 13.168 4. 12.095 89.935 35. Data yang telah direproduksi secara penuh pada Tabel 4a untuk memperjelas bentuk perusahaan-id dan kolom waktu periode (kolom 1 dan 2). 1.309 4.297 3.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. dan dan pertanyaan yang telah dijawab oleh ya ( y). 16.380 .416 35.232 4. 1. 1.975 73.676 3. 1.350 38.334 82.

30.241 3.051 7. 38.433 6. 7.471 2.921 0. 15.312 94.451 15.627 3.149 5. 3. 19. 24. 2. 19. 4. 2.192 8.708 0.668 68. 23.479 2.427 39. 13.827 93.124 14. 4.1.223 89. 4. 9.812 7.590 18. 3.337 5.727 1. 3. 20. 8.904 8.329 87.088 9. 22. 17.085 11.639 5. 3.274 9.074 7.752 80.656 94. 2. 12. 11.820 6.312 3.149 26. 5.425 49.583 22.574 4. 3.839 2. 3. 23. 15. 20. 2.312 10.379 6. 9.886 14.055 4. 23.488 13. 4.906 72. 13. 3.736 4.128 1. 4. 2.439 35.740 9. 2. 3. 14. 4. 2. 4. 10. 11. 3. 25. 21.264 4. 18.405 42.455 30.188 1.916 5.055 77.843 7. 2.583 4.561 29.322 2. 13.265 95.459 4. 4.040 50. 23. 2. 4. 2.085 60.177 64. 4.545 4. 22.377 12. 3.907 38.773 12.275 13.551 36.314 9. 4.520 3.314 2.668 4.621 44.440 63.722 30. 2.834 60.961 10.389 5. 4.966 3.220 57. 17.704 2.884 1.069 6.535 8.182 14.556 6.612 7.548 2.073 13.072 15. 3.034 0. 2.018 5.334 8.789 8. 4.503 59.498 0.964 7. 24. 4. 2. 2. 3. 4.190 8.323 6.312 40.936 2.895 63.741 10.737 7.490 2.218 _____________________________________________________________________ .996 6. 22. 14.195 95. 4.169 68.104 7.424 6.891 59. 10.937 98. 3. 2.834 1.563 4.019 4. 24. 7.029 77.160 2.992 8.340 15. 14.690 1. 7.388 8.688 2.159 9.734 9.871 50. 2.023 2.896 88. 3.989 6.628 11. 23.661 87.918 78. 3.651 12.955 41.264 11. 31.

099995 15.000000 3.269911 1.149054 2.628260 4.SHA Shazam Instruksi Berkas _____________________________________________________________________ read (eg4.000000 3.DTA File Data _____________________________________________________________________ 1.467332 14.789132 _____________________________________________________________________ Tabel 4d .00000 4.242410 3.000000 3.000000 2.000000 3.347655 3.497574 .000000 1.out NAMA FILE 1 1 = PRODUKSI FUNGSI.123994 2.00000 4.INS Berkas Instruksi _____________________________________________________________________ 1 1 = KESALAHAN KOMPONEN MODEL.Tabel 4b . .Listing EG4. 13.233128 4.559169 2.000000 1.726510 3.000000 1.535361 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] y ETA (Y / N) [ATAU JUMLAH EFEK regressor TE (Zs)] n MULAI VALUES (Y / N) JIKA YA MAKA BETA0 Beta1 ATAS BETAK .Listing EG4.119674 1.dta DATA NAMA FILE KELUARAN eg4.058473 4. 2 = TE EFEK MODEL eg4.716746 2. .929490 1.dat) n t y x1 x2 genr ly = log (y) genr lx1 = log (x1) genr lx2 = log (x2) 33 file eg4.000000 1.00000 4.Listing EG4.dta menulis (33) n t ly lx1 lx2 berhenti _____________________________________________________________________ Tabel 4 c .

886 5. _____________________________________________________________________ 4.000 15. 26.297 1. Dalam contoh ini kami perkirakan model yang penuh didefinisikan oleh (3) dan (4) dengan vektor z berisi variabel yang konstan dan lainnya (yang notabene merupakan trend waktu dalam contoh sederhana). 1. Instruksi FRONTIER file (EG5.dta . 4.643 77. 22.000 _____________________________________________________________________ Tabel 5b . Jadi file data EG5.5 Battese dan Coelli (1995) spesifikasi (Model 2).621 44.000 .Listing EG5. 4.DAT File Data _____________________________________________________________________ 1.095 89.329 87.340 4.000 14. 22.218 4.SHA Shazam Instruksi Berkas _____________________________________________________________________ read (eg5.Instruksi Shazam (lihat Tabel 5b) yang mirip dengan yang di contoh pertama.INS) berbeda dalam sejumlah cara dari contoh sebelumnya: nomor model di line satu sudah disetel ke "2". kecuali bahwa data pada variabel z harus dibaca dan membaca. . 1.131 9.639 5. 1.834 60.799 1. .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.416 35.737 7.134 1. 23.124 4. pertanyaan tentang 0 sudah dijawab oleh yes (baris 10) dan jumlah variabel z telah diatur untuk 1 (baris 11). 6.314 9. 15.000 3.309 4. Tabel 5a . 13.dat) n t y x1 x2 z1 genr ly = log (y) genr lx1 = log (x1) genr lx2 = log (x2) 33 file eg5.000 2.DAT (lihat Tabel 5a) berisi satu lagi kolom (variabel z). dari berkas data pada contoh sebelumnya. 4.Listing EG5.

467332 4.099995 4.242410 3.000000 _____________________________________________________________________ Tabel 5d .dta DATA NAMA FILE KELUARAN eg5.119674 1.000000 15.000000 14.000000 2.559169 1.347655 1.628260 4.000000 3.233128 4.123994 2.DTA File Data _____________________________________________________________________ 1.269911 1.716746 2.00000 4.INS Berkas Instruksi _____________________________________________________________________ 2 1 = KESALAHAN KOMPONEN MODEL.Listing EG5.929490 1.00000 4.000000 1.000000 3.menulis (33) n t ly lx1 lx2 z1 berhenti _____________________________________________________________________ Tabel 5c .789132 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 3. .535361 4. .000000 3.000000 1. 2 = TE EFEK MODEL eg5.726510 3.Listing EG5. 13.000000 .000000 1.out NAMA FILE 1 1 = PRODUKSI FUNGSI.000000 2.00000 4.058473 4.497574 1.000000 3.149054 2.000000 1.

Journal of Econometrics. 20. (1989). pp. Bauer. Versi baru dari FRONTIER telah mendapatkan manfaat secara signifikan dari umpan balik dari Anda pengguna. 38 387399. (1993).70.. (1992). Battese.E. Armidale.69. 3. maka Anda diminta untuk menghubungi penulis baik melalui email di: tcoelli@metz.au atau dengan menulis ke alamat di bagian depan tulisan ini. dan Coelli. Coelli. 327-348. dan Corra.C. "Prediksi Efisiensi Teknis Firm-Level Dengan Fungsi Produksi Frontier Generalised dan Data Panel".. T. G.J. "Sebuah Model untuk Efek Teknis inefisiensi dalam Fungsi Produksi Frontier Stokastik untuk Data Panel". G. Battese.E. Battese. Battese. No. DAFTAR PUSTAKA Aigner. Semoga banyak dari Anda akan melihat bahwa beberapa saran Anda telah diadopsi dalam versi baru ini.edu. (1993). 39-56. G. 153-169. Journal of Econometrics. Lovell. University of New England. 46. D. "Program Komputer untuk estimasi Fungsi Produksi Frontier: FRONTIER. Coelli. dan Colby.22. "A Stochastic Frontier Memasukkan Fungsi Produksi Model Teknis Efek Inefisiensi". 21. Ekonomi Letters 39. 29-32. FINAL POINT Berbagai versi FRONTIER sekarang digunakan di lebih dari 150 lokasi di seluruh dunia. dan Coelli.J.K. Coelli. dan Coelli. 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.une. "Fungsi Produksi Frontier. No. Ekonomi Empiris. (1977).E. G. 21-37. Battese. "Properties Sampel Hingga penduga Frontier Stokastik dan Statistik Uji Asosiasi". T.J. Battese. "Perkembangan terbaru dalam Perkiraan Econometric dari Frontiers". Jurnal Analisis Produktivitas.J. dan Schmidt. 5. 169-179.E.W. (1988). Jurnal Ekonomi Pertanian Australia.J.E.J. C.J. T.J. G. Versi 2. GS (1977). Journal of Econometrics. Makalah Ekonometrika dan Statistika Terapan. G.. P. T. 325-332.0". (1992). T. P. Jurnal Ekonomi Kuantitatif. (1990). . T. T. Makalah Bekerja di Ekonometrika dan Statistik Terapan.E. _____________________________________________________________________ 5. dan Coelli. "Perkiraan Model Frontier Produksi: Dengan Aplikasi untuk Zona Pastoral Australia Timur". Efisiensi Teknis dan Data Panel: Dengan Aplikasi untuk Petani Padi di India". Jika Anda memiliki saran tentang bagaimana program tersebut dapat diperbaiki atau jika Anda pikir Anda mungkin menemukan bug. (1995). 6.A. "Estimasi Fungsi Produksi Frontier dan Efisiensi dari Farms India Menggunakan Data Panel Dari Studi Tingkat Desa ICRISAT's". Departemen Ekonometrika.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. "Formulasi dan Perkiraan Produksi Frontier Stokastik Fungsi Model". T.

S.J. 9. 13 57-66. 6.. Schmidt. P. 203-214. "Fungsi Produksi Frontier". (1982). The Pengukuran Efisiensi Produktif. dan Schmidt. Econometric Reviews. C. W. CAK dan Schmidt. M. "A Stochastic Frontier Fungsi Biaya untuk Penyediaan Penitipan Anak Residensial".. "Distribusi asimtotik untuk Maximum Likelihood Estimator untuk Stochastic Frontier Fungsi Model dengan Informasi Singular Matrix".E. (1993)..000 start-up file tercantum pada Tabel A1. "Pengukuran dan Sumber Teknis inefisiensi dalam bahasa Indonesia dalam Tenun Industri". 19. Stevenson. 233-238. J.The FRONT41. "Efisiensi Estimasi dari Cobb-Douglas Fungsi Produksi Dengan Terdiri Error". Lovell. Sebuah deskripsi singkat dari setiap nilai disediakan di bawah ini. "Memperkirakan Inefisiensi Teknis dan Alokasi Sehubungan dengan Produksi Stochastic dan Frontiers Biaya".R. 715-723. 289-328. (1991). W. R.0. dan Schmidt. Coelli. McGraw-Hill.A. K. Journal of Ekonometrika Terapan. J. dan Stevenson.. (1993). Sepuluh nilai dapat diubah di FRONT41. Ekonometrik Teori. dan Lovell. 68-119. Putih.Departemen Ekonometrika. "Sistematik Berangkat dari Frontier: Sebuah Kerangka untuk Analisis Inefisiensi Perusahaan".H.M. di goreng. International Economic Review. Lovell. "Sebuah Survei Frontier Fungsi Produksi dan mereka Hubungan dengan Efisiensi Pengukuran". Forsund. Armidale.000-up file mulai ____________________________________________________________ KUNCI NILAI DIGUNAKAN DALAM PROGRAM FRONTIER (VERSI 4. Journal of Econometrics. LF (1981). LAMPIRAN . Terapan Non-Linear Programming.. Greene. Universitas New England. New York. T. Journal of Econometrics. C. Journal of Econometrics. SS (Eds).1 File FRONT41.A. (1986).000 The FRONT41. (1977). Jurnal Ekonomi Pembangunan.SETIAP INFO PRINT "N" Iterasi.000. 9. 3. dan Lee.43 .K. New York.LIHAT BAWAH . MD (1988). Tabel A1 . Pitt. D.. LF (1993).1) NOMOR: DESCRIPTION: 5 iPrint . (1995). Manual Referensi Shazam Pengguna Versi 7. 0 = JANGAN PRINT 1 Indic . 247-268.M.DIGUNAKAN DALAM PROSEDUR CARI unidimensional . (1980). Lee. "Pada perkiraan Teknis inefisiensi dalam Stochastic Frontier Fungsi Produksi Model". McGraw-Hill. Meeusen. 413-430.A. 13 5-25. P. (1980) "Fungsi Kemungkinan untuk estimasi Generalised Stochastic Frontier". (1972). 32. Schmidt. I. 435-444. Oxford University Press. dan van den Broeck. "estimator dan Tes Hipotesis untuk Stochastic: Sebuah Analisis Monte Carlo". 9. Jondrow. R. P. "Pendekatan Ekonometrik Dari analisis Efisiensi".K. Lovell HO. F.PROGRAMMER'S GUIDE A. 18.. International Economic Review. Hughes. Reifschneider. Jurnal Analisis Produktivitas. Himmelblau.K. (1979). 343-366.64. D. 4. Materov C. Journal of Econometrics. P.

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

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

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

Sign up to vote on this title
UsefulNot useful