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

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

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

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

] Contoh instruksi. 1995). Output file yang dibuat oleh FRONTIER selama eksekusi [Catatan bahwa model dapat diperkirakan tanpa file instruksi jika program tersebut digunakan secara interaktif. disebut TEST.0 dan 4.1 tersedia di akhir bagian ini.1 Orang. bendera percetakan dan sebagainya. File ini dibahas lebih lanjut dalam Lampiran A. FRONT41. 3. Versi 2. tetapi banyak kecil.0 (Coelli. Jadi jika Anda ingin memperkirakan fungsi produksi Cobb-Douglas. tergantung pada nilai yang diamati (Vi .1 mengasumsikan bentuk fungsional linier.ini dicapai dengan ekspresi yang berasal untuk ekspektasi bersyarat dari fungsi dari pada Ui.OUT). File start-up. Sebuah daftar dari perbedaan utama antara Versi 2.1 File Dibutuhkan Pelaksanaan FRONTIER Versi 4. dan data harus tersedia dalam unit asli. Versi 4..1 pada IBM PC umumnya melibatkan lima file: 1) File executable FRONT41. yang merupakan versi terakhir didokumentasikan sepenuhnya. 3.INS disebut) 5) Sebuah file output (misalnya.1 berbeda dalam berbagai cara dari FRONTIER Versi 2.000 3) Sebuah file data (misalnya. Data harus terdaftar oleh observasi. dan ekspresi untuk efisiensi biaya relatif terhadap perbatasan biaya. 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 : .EXE 2) The start-up file FRONT41.Ui). bagaimanapun. Anda harus log semua masukan dan data keluaran sebelum membuat file data untuk program yang digunakan. dan hati-hati membaca dokumen ini sebelum menggunakan Versi 4. akrab dengan versi sebelumnya dari FRONTIER harus mengasumsikan bahwa tidak ada yang tetap sama. data dan file output yang terdaftar dalam Bagian 4. PROGRAM FRONTIER FRONTIER Versi 4. dan beberapa hal yang tidak begitu kecil. Ungkapan yang relevan untuk kasus fungsi produksi disediakan di Battese dan Coelli (1992) dan di Battese dan Coelli (1993. TEST. telah diperoleh oleh perubahan minor teknis efisiensi ekspresi dalam makalah ini.0 pengguna akan ingat bahwa Cobb-Douglas diasumsikan dalam versi itu. Program ini mensyaratkan bahwa data akan tercatat di file teks dan sangat khusus tentang format. Sebagai contoh. Anda akan. File-file data dan instruksi harus diciptakan oleh user sebelum eksekusi.DTA) 4) Sebuah file instruksi (misalnya.000. File teks yang dapat diedit jika pengguna ingin mengubah nilai-nilai. disebut TEST. telah berubah. menemukan bahwa sejumlah hal yang sama. 1992). karena program memperoleh log dari data yang disediakan untuk itu. Ekspresi yang dihasilkan generalisasi hasil di Jondrow et al (1982) dan Battese dan Coelli (1988). berisi nilai untuk beberapa variabel kunci seperti kriteria konvergensi.

000. Ukuran selisih ini bisa diubah dengan mengubah nilai dari variabel GRIDNO yang diatur ke nilai 0.000 start-up file. diatur ke 1 (bukan 0) maka pencarian tahap kedua grid akan dilakukan di sekitar nilai-nilai yang diperoleh pada tahap pertama. Jika pilihan (terminal) interaktif dipilih.] The tiga langkah tersebut adalah: 1) Ordinary Least Squares (OLS) perkiraan fungsi diperoleh. Nilai dianggap 0. 3. IGRID2.1 Grid Search Seperti disebutkan sebelumnya. Pengamatan dapat didaftar dalam urutan apapun tetapi kolom harus dalam urutan lain.1 diasumsikan). [Jika mulai nilai yang ditentukan dalam file instruksi. Perhatikan bahwa data harus sesuai diubah jika bentuk fungsional selain fungsi linier diperlukan. maka kolom 2 (periode waktu kolom) harus berisi nilai "1" di seluruh. pencarian grid dilakukan di ruang parameter. 3.2.1 di FRONT41.1-0.2. Z entri tercantum dalam tanda kurung siku untuk menunjukkan bahwa mereka tidak selalu diperlukan.3 + k + p)] zpit. Setiap parameter lainnya (. atau 's) yang diatur ke nol dalam kotak pencarian.2 Prosedur Iterative Maksimalisasi Urutan pertama derivatif parsial dari fungsi log-kemungkinan Model 1 dan 2 adalah ekspresi yang panjang.1.9 dengan penambahan ukuran 0. program ini akan melewatkan dua langkah pertama dari prosedur. jika variabel. 3. 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). Cobb-Douglas dan bentuk translog fungsional merupakan bentuk fungsional yang paling sering digunakan dalam analisis perbatasan stokastik.Semua penduga dengan pengecualian mencegat akan bias. Mereka hanya digunakan ketika Model 2 sedang diperkirakan.2 Metode Tiga Langkah Estimasi Program ini akan mengikuti prosedur tiga langkah dalam mengestimasi estimasi maksimum likelihood dari parameter fungsi produksi frontier stokastik. Struktur dari file instruksi terdaftar pada bagian berikutnya. 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. Setelah mengetik "FRONT41" untuk memulai eksekusi. Lebar pencarian ini grid GRIDNO / 2 kedua sisi fase satu perkiraan dalam langkah GRIDNO/10. Jika Anda menggunakan silang tunggal-bagian data. 2) Sebuah pencarian grid dua tahap dilakukan. di FRONT41. pengguna ditanya apakah instruksi akan datang dari sebuah file atau terminal. 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. pertanyaan akan diminta dalam urutan yang sama seperti yang ditampilkan dalam file instruksi. Ini adalah diturunkan dalam lampiran di Battese dan Coelli (1992) . Program ini dapat menerima instruksi baik dari file atau dari terminal. Contoh melibatkan kedua bentuk akan disediakan dalam Bagian 4. Selanjutnya. Harus ada setidaknya satu pengamatan pada setiap perusahaan N dan harus ada setidaknya satu pengamatan dalam periode waktu 1 dan dalam jangka waktu T.

Output Program 3. perkiraan setelah pencarian grid dan perkiraan kemungkinan akhir maksimum semua disajikan dalam file output.dan Battese dan Coelli (1993). 20.3 Yang paling-kuadrat biasa estimasi. yang ditemukan oleh banyak pengguna terlalu membatasi. b) Jumlah maksimum dari iterasi diijinkan selesai. jika perubahan proporsional dalam fungsi kemungkinan dan masing-masing parameter kurang dari 0. Banyak metode gradien digunakan untuk mendapatkan estimasi maksimum likelihood. Kriteria konvergensi diatur dalam FRONT41. MINI. ETA dan CONVRG. karena program harus ditulis ulang menggunakan array dinamis dialokasikan. Kedua parameter ini dapat diubah oleh pengguna. maka prosedur iterasi berakhir.Variabel ITE di FRONT41. Ukuran model yang sekarang dapat diestimasi dengan program ini hanya dibatasi oleh jumlah RAM yang tersedia pada PC Anda. Diputuskan bahwa tugas ini mungkin sebaiknya dihindari. Untuk diskusi umum tentang manfaat relatif dari sejumlah Newton dan metode Quasi-Newton lihat Himmelblau (1972). Perkiraan kesalahan standar ini diambil dari arah matriks yang digunakan dalam iterasi akhir prosedur Davidon-Fletcher-Powell. seperti metode Newton-Raphson.000 ke 100. memerlukan matriks turunan parsial kedua untuk dihitung. dengan mengubah nilainya 1-0. Apabila salah perkiraan efisiensi berarti dilaporkan. T dan K telah dihapus. Batas Ukuran 100.00001. yang tidak standar Fortran . Penghapusan batas-batas ukuran yang telah dicapai dengan menyusun program menggunakan kompiler Lahey F77L-EM/32 dengan extender DOS. 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.000 dapat digunakan untuk menekan pencatatan efisiensi individu dalam file output. dan 20 masing-masing.1 Perbedaan utama adalah sebagai berikut: 1) The Battese dan Coelli (1995) model (Model 2) sekarang dapat diperkirakan. digunakan dalam FRONTIER diambil dari lampiran dalam Himmelblau (1972). masing-masing. maka kita mengalihkan perhatian kita kepada metode Quasi-Newton yang hanya membutuhkan vektor derivatif parsial pertama diturunkan. 2) Batas-batas ukuran tua di N. Struktur umum dari subrutin. Hal ini saat ini ditetapkan dalam FRONT41. yang juga memberikan gambaran tentang mekanika (bersama dengan kode Fortran) dari sejumlah metode yang lebih populer.0 dan 4. ini hanya rata-rata aritmetika dari efisiensi individu. 1995). Prosedur iteratif mengambil nilai parameter yang diberikan oleh para pencari grid sebagai nilai awal (kecuali nilai mulai dipasok oleh pengguna). SEARCH. Perkiraan efisiensi teknis atau biaya masing-masing dihitung dengan menggunakan ekspresi disajikan dalam Battese dan Coelli (1991. 3. Saat ini sudah diatur sedemikian rupa sehingga. Program kemudian update vektor estimasi parameter dengan metode Davidon-Fletcher-Powell sampai salah satu dari berikut terjadi: a) kriteria konvergensi adalah puas.4 Perbedaan Antara Versi 2.000 start-up file oleh TOL parameter. Ini estimasi matriks kovarians juga terdaftar pada output. Tindakan ini tidak datang dengan biaya beberapa meskipun.

1. Kesalahan ini sudah diperbaiki di versi 4. Besar negatif (tidak signifikan) nilai diperoleh pada sekitar 10% dari sampel. konfigurasi mesin berikut minimal dibutuhkan: IBM kompatibel 386 (atau lebih tinggi) PC dengan prosesor co-matematika.Sebagai contoh. Nilai ini itu besar dalam arti bahwa itu adalah standar deviasi banyak dari nol (misalnya empat atau lebih). Versi 4. 11) Ada juga sejumlah besar perubahan kecil yang dibuat untuk program. Pengguna juga dapat sekarang menentukan seberapa sering (jika ada) informasi ini dilaporkan. 9) Sebuah kesalahan kecil terdeteksi di derivatif parsial pertama terhadap di Versi 2. [Monte carlo Percobaan dilakukan di mana ditetapkan ke nol ketika sampel menghasilkan. maka program akan menghitung perkiraan efisiensi yang sesuai.konstruksi. Sekarang terbatas berkisar antara 2U. Ini tidak dipandang sebagai terlalu ketat.0 program. Program ini akan berjalan ketika hanya ada 4 RAM mb tetapi dalam beberapa kasus akan membutuhkan 8 RAM mb. 3) Fungsi Biaya sekarang dapat diperkirakan. banyak yang disarankan oleh pengguna Versi 2. 5) Versi 2. Program ini memperkirakan fungsi linear menggunakan data yang disediakan untuk itu.0 ditulis untuk memperkirakan fungsi Cobb-Douglas.Dengan demikian kode tersebut tidak bisa sekarang ditransfer ke platform komputasi (seperti komputer mainframe) tanpa modifikasi substansial. Contoh bagaimana memperkirakan Cobb-Douglas dan bentuk translog fungsional disediakan dalam Bagian 4. 1 dan 2 7) Informasi dari setiap iterasi sekarang dikirim ke file output (bukan ke layar).1 mengasumsikan bahwa semua transformasi yang diperlukan telah dilakukan untuk data sebelum menerimanya.0. Hal ini terbukti dalam Gambar 1 yang terpotong plot fungsi kepadatan normal untuk nilai dari -2. 10) Sebagai akibat dari penggunaan dari kompiler baru (rinci dalam huruf 2). Kesalahan ini hanya akan hasil terpengaruh ketika itu dianggap tidak nol.Data yang disertakan dalam unit asli dan program menghitung log sebelum estimasi. 6) Bounds kini telah ditempatkan pada rentang nilai yang dapat mengambil dalam Model 1. Sebuah plot 3D dari fungsi log-likelihood di salah satu contoh ini menunjukkan tonjolan datar panjang di kemungkinan-log ketika diplot melawan dan 2.Fenomena ini sedang diselidiki lebih lanjut saat ini.Hal ini dilakukan karena jumlah pengguna (termasuk penulis) menemukan bahwa dalam beberapa aplikasi nilai (tidak signifikan) besar negatif diperoleh.000. 4) Efisiensi perkiraan sekarang dapat dihitung jika variabel dependen mengungkapkan dalam satuan asli. dan mengubah tampaknya tidak memiliki pengaruh besar terhadap perkiraan. dengan menggunakan variabel iPrint di FRONT41. Akurasi perhitungan numerik daerah di ekor dari distribusi normal standar yang sejauh ini dari nol harus dipertanyakan. dan dihitung efisiensi sesuai. tetapi tidak dibatasi estimasi. 8) Pencarian grid sekarang telah berkurang menjadi hanya mempertimbangkan dan sekarang menggunakan paling tidak biasa dikoreksi ekspresi kuadrat diturunkan dalam Coelli (1995) untuk menyesuaikan 2 dan 0 selama proses ini. -1 0. mengingat berbagai dipotong bentuk distribusi normal yang masih diizinkan.] Ia kemudian memutuskan bahwa batas-batas di atas dikenakan. Pengguna sekarang dapat menunjukkan apakah variabel dependen login atau tidak. . Versi sebelumnya dari program ini diasumsikan variabel terikat adalah log. nama-nama file data dan instruksi yang sekarang terdaftar dalam file output.

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

INS).855 5.297 3.DAT File Data _____________________________________________________________________ 1.643 77. Tabel 1a .OUT) ditentukan.] Akhirnya kita ketik FRONT41 di DOS prompt.134 2. Kemudian pada empat baris berikutnya kita tentukan jumlah perusahaan (60). kita harus menjawab tidak untuk menentukan nilai awal karena kita ingin mereka yang akan dipilih menggunakan grid search [Jika kita telah menjawab ya untuk. dalam urutan tertentu.Listing EG1.SHA Shazam Instruksi Berkas _____________________________________________________________________ . Untuk model sederhana dalam contoh ini kita akan menjawab "n" dan "0". 1.OUT). 12. maka kita perlu nilai-nilai awal untuk masing-masing jenis parameter.621 44. 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).358 9.799 .834 60. [Catatan bahwa jika kita memilih model 2 pada baris pertama dari file instruksi. 20. On line 4 "1" dimasukkan untuk menunjukkan kita memperkirakan fungsi produksi.285 4. kemudian ketik nama file instruksi (EG1. Kita harus menjawab tidak untuk karena kita hanya memiliki satu lintas -bagian data dan karenanya tidak dapat mempertimbangkan waktu bervariasi efisiensi. mengetik satu di setiap baris. 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.Listing EG1. 58. instruksi-instruksi yang sama dapat dikirim ke FRONTIER dengan memilih terminal (t) opsi dan menjawab serangkaian pertanyaan].]. 1. periode waktu (1). 14. 1. 1. Karena bentuk sederhana model ini contoh pertama (dan dua berikutnya contoh) tidak masalah apakah "1" atau "2" dimasukkan. kita perlu menjawab pertanyaan-pertanyaan dalam kurung kotak pada baris 10 dan 11 dari instruksi file gantinya.. jumlah pengamatan (60) dan jumlah regressor (2).] Terakhir.095 89.778 9. . 1.218 _____________________________________________________________________ Tabel 1b . Pada dua baris berikutnya dari file nama file data (EG1.untuk menunjukkan apakah Model 1 atau 2 diperlukan.DTA) dan nama file output (di sini kita telah menggunakan EG1. pilih pilihan instruksi file (f) [Jika Anda tidak ingin membuat file instruksi.124 7.340 60.124 59. 1. Pada tiga baris berikutnya kita tidak menjawab (n) untuk setiap pertanyaan. 21. nilai awal. 27.329 87. 24.105 5. . File ini direproduksi dalam Tabel 1e. 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.416 35. masing-masing.

058473 4.DTA File Data _____________________________________________________________________ 1.000000 1.dta menulis (33) n t ly lx1 lx2 berhenti _____________________________________________________________________ Tabel 1c . 58.242410 3.INS Berkas Instruksi _____________________________________________________________________ 1 1 = KESALAHAN KOMPONEN MODEL.628260 4.00000 1.000000 2.000000 3.000000 3.547725 2.Listing EG1. 2 = TE EFEK MODEL eg1.061426 2.read (eg1.189859 1.535361 4. .000000 3.dat) n t y x1 x2 genr ly = log (y) genr lx1 = log (x1) genr lx2 = log (x2) 33 file eg1. .559169 2.Listing EG1.646529 1.dta DATA NAMA FILE KELUARAN eg1.000000 1. 2 = FUNGSI BIAYA y login VARIABEL TERGANTUNG (Y / N) 60 JUMLAH BAGIAN LINTAS 1 JUMLAH PERIODE WAKTU 60 JUMLAH PENGAMATAN DALAM JUMLAH 2 JUMLAH VARIABEL REGRESSOR (Xs) n MU (Y / N) [OR DELTA0 (Y / N) JIKA MENGGUNAKAN MODEL TE EFEK] n ETA (Y / N) [ATAU JUMLAH EFEK regressor TE (Zs)] n MULAI VALUES (Y / N) JIKA YA MAKA BETA0 Beta1 ATAS BETAK SIGMA Squared GAMMA MU [ATAU DELTA0 ETA DELTA1 ATAS DELTAK] .out NAMA FILE 1 1 = PRODUKSI FUNGSI.099995 60.000000 1.000000 2.726510 3.000000 3.497574 .467332 59.300419 2.789132 _____________________________________________________________________ Tabel 1d .233128 4.037594 1.00000 1.347655 3.00000 1.

1) instruksi file = eg1.58014216E 00 beta 1 0.48066617E-01 0.28049246E +00 0.18446849E +02 perkiraan setelah pencarian grid: beta 0 0.Listing EG1.11465114E beta 1 0.OUT Output File _____________________________________________________________________ Output dari program FRONTIER (Versi 4.ins file data = eg1.53330637E +00 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 0.22067413E 00 gamma 0.58354940E 01 beta 2 0.80000000E 00 mu dibatasi dengan nol eta dibatasi dengan nol iterasi = 0 func evals = 19 llf =-0.10355748E +02 sigma-squared 0.51498586E-01 0.28049246E 00 beta 2 0.24489834E 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.21360307E +00 +00 +01 0.17034854E +02 .53330637E 00 sigma-squared 0. _____________________________________________________________________ Tabel 1e .11398496E 00 log kemungkinan fungsi =-0.

63909106E-01 0.28110205E +00 +00 +00 0.17027229E +02 0.28049246E +00 +00 +00 0.41053521E-01-0.91550467E-04 .0.31446721E-02-02 0.11855501E +02 sigma-squared 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: 0.56160697E 0.79720730E +00 +00 perkiraan MLE final adalah: koefisien standar-kesalahan t-rasio beta 0 0.31446721E-02-0.21694170E 0.17027230E +02 0.22067413E 0.53647981E 0.79718731E +00 +00 iterasi = 7 func evals = 63 llf =-0.13642399E +00 +00 +01 0.33954545E 01 gamma 0.21700046E +00 0.56161963E 0.79720730E 0.92519362E-02 -0.56161963E 0.28110205E +00 0.47643365E-01 0.40456494E 0.80030279E-02-02 0.22698902E 0.53330637E 0.29528845E-04-0.20261668E +00 +00 +01 0.28108701E +00 +00 +00 0.80000000E +00 +00 gradien langkah iterasi = 5 func evals = 41 llf =-0.53647981E +00 0.45251553E-01 0.27718331E beta 1 0.17027229E +02 LR uji kesalahan satu sisi = 0.21700046E 0.59001301E 01 beta 2 0.58436004E mu dibatasi dengan nol eta dibatasi dengan nol log kemungkinan fungsi =-0.58014216E 0.40106205E-04-0.53647803E 0.

67450773E 0. 1.DAT File Data _____________________________________________________________________ 1.20477030E-02-0.70842786E 00 berarti efisiensi = 0.18611506E-01 teknis efisiensi perkiraan: perusahaan eff.47190308E-04-02 0.16404645E-03-02 0. 1.799 .297 3.855 5.40106205E 0. 1 0.47190308E-04-0. Dan di EG2. Perbedaan utama yang perlu diperhatikan antara prosedur dalam Bagian 4. tetapi hanya daftar 4 tabel: 2a ke 2d.778 9.29528845E-04-0. karena file ini EG2.095 89.Listing EG2.91550467E-04-0.40843738E 0. 20. Tabel 2a . . Jika Anda memiliki lebih dari lima kolom.65068880E 00 2 0.16404645E-03 0. Kami menekan daftar dari file output untuk menghemat ruang.134 2. Ki. dan Ui telah dipotong distribusi normal.92519362E-02-0. 1.85670448E 00 60 0.Ui).DTA. . . Li dan Vi adalah seperti yang didefinisikan sebelumnya.67450773E-02 0.74056772E 00 _____________________________________________________________________ 4.80030279E-02-04 0.285 4. 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 . nomor tambahan akan muncul pada baris baru.643 77.INS kami telah membuat jumlah regressor sebesar 5 dan menjawab ya (y) terhadap pertanyaan (karena kita ingin Ui akan terpotong normal ).2. Kami mengikuti presentasi mirip dengan yang di Bagian 4.2 Sebuah frontier translog produksi dengan menggunakan data cross-sectional dan mengasumsikan distribusi normal terpotong.-est. mana Qi. FRONTIER tidak memiliki masalah membaca ini bentuk file data] dari EG1. 24. 58 0.82889151E 00 3 0.72642592E 00 .416 35.DTA berisi tiga lebih kolom [ Perhatikan bahwa perintah Shazam MENULIS hanya akan mencantumkan lima angka pada setiap baris.40456494E-02-0. 12..1 dan di sini adalah bahwa: istilah kuadrat dan interaksi harus dihasilkan dalam file instruksi Shazam (lihat Tabel 2b). .66471456E 00 59 0.-0.

000000 3.726510 3. 1.467332 4.00000 1.dta menulis (33) t n ly lx1 lx2 lx1s lx2s lx12 berhenti _____________________________________________________________________ Tabel 2c .000000 3.000000 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 eg2.037594 1.35752 6.DTA File Data _____________________________________________________________________ 1.357333 18.497574 2.646529 1.559169 5.439730 60..541973 _____________________________________________________________________ Tabel 2d .90211 6. 14.Listing EG2.329 87.358 9.237312 16.981118 2.099995 4.000000 3.95706 9.124 7.000000 3.124 59.834 60. 58.00000 1.621 44.980835 14.058473 4.061426 2. 1.218 _____________________________________________________________________ Tabel 2b . 21.986860 19. 27. 1.535361 4.347655 2. 2 = TE EFEK MODEL .80996 8.000000 1.SHA Shazam Instruksi Berkas _____________________________________________________________________ read (eg2.189859 1.INS Berkas Instruksi _____________________________________________________________________ 1 1 = KESALAHAN KOMPONEN MODEL.340 60.547725 2.675219 3.105 5. .22817 7.66769 7.651230 20.789132 2.323218 .000000 1.242410 3.628260 4. 58.00000 1.000000 1.000000 2.976124 59.233128 4.Listing EG2.Listing EG2. .028404 12.300419 2.

1. masing-masing. 783. dan Vi dan Ui dianggap normal dan setengah-normal didistribusikan. 439.DAT File Data _____________________________________________________________________ 1. Q.322 12.742 24. mana Ci. 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.3 A Cobb-Douglas biaya perbatasan dengan menggunakan data cross-sectional dan asumsi distribusi normal setengah.eg2.DAT berisi 60 observasi pada perusahaan-id periode. 1.813 34.925 28.Listing EG3.591 2. _____________________________________________________________________ 4. Kode Shazam dalam Tabel 3b menghasilkan variabel berubah yang diperlukan dan menempatkan mereka di EG3.DTA (lihat Tabel 3c).098 3. C.368 16. 1. Dalam contoh ini kita ingin memperkirakan biaya perbatasan Cobb-Douglas: (9) ln (Ci / Wi) = 0 + 1ln (Qi) + 2ln (Ri / Wi) + (Vi + Ui).469 35. R dan W. waktu.out NAMA FILE 1 1 = PRODUKSI FUNGSI.838 14. Qi. dalam urutan (lihat Tabel 3a). Tabel 3a . File EG3.564 . masing-masing. Ri dan Wi adalah biaya. output. 445. 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.893 11.dta DATA NAMA FILE KELUARAN eg2.857 23. harga modal dan harga tenaga kerja.

000000 1.550709 -0.514 14.292668 3.481671 -0.out NAMA FILE 2 1 = PRODUKSI FUNGSI.00000 1.281 60. 58. 216. 58.000000 2.291680 -0.00000 1.848 9. .625840 3.864203 3. 408.6875683 _____________________________________________________________________ Tabel 3d .990748 3.000000 1.888 7.dat) t n c q w r lcw log = genr (c / w) genr LQ = log (q) lrw log = genr (r / w) 33 file eg3.853 10.191381 -0.dta DATA NAMA FILE KELUARAN eg3. 2 = FUNGSI BIAYA y login VARIABEL TERGANTUNG (Y / N) 60 JUMLAH BAGIAN LINTAS 1 JUMLAH PERIODE WAKTU .Listing EG3.310640 3. .000000 2. 2 = TE EFEK MODEL eg3.000000 3.000000 2.. 1.037258 -0.411 23.Listing EG3.5858576 3.00000 1. 1.INS Berkas Instruksi _____________________________________________________________________ 1 1 = KESALAHAN KOMPONEN MODEL.946442 3.000000 3.558 26.Listing EG3.3262144 59.9057584 60.1422282 .919 29.234 20.882 59.580542 -0.672 _____________________________________________________________________ Tabel 3b .SHA Shazam Instruksi Berkas _____________________________________________________________________ read (eg3.000000 1.dta menulis (33) n t lcw LQ lrw berhenti _____________________________________________________________________ Tabel 3c .DTA File Data _____________________________________________________________________ 1. .000000 3. 1114. . 1.8744549 2.369 32.

_____________________________________________________________________ 4.975 73.897 1.799 4. 1. 1.203 6.095 89. 10.380 . Tabel 4a . 16.334 82. Kami menggunakan data pada 15 perusahaan yang diamati selama 4 periode waktu. 1. 26.878 6.416 35. 1. 1. Data yang telah direproduksi secara penuh pada Tabel 4a untuk memperjelas bentuk perusahaan-id dan kolom waktu periode (kolom 1 dan 2). 16. 6.096 13. dan dan pertanyaan yang telah dijawab oleh ya ( y). Dalam contoh ini kami perkirakan model yang penuh didefinisikan oleh (2). 11.907 8.344 65.350 15.066 92. 1.676 3.698 5.876 10. 1. 29.434 1.476 12. 1.886 5. 1.174 7.131 9.60 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. 1.761 11.Listing EG4.935 35.580 7.903 7.297 3. 16.033 55. 19.DAT File Data _____________________________________________________________________ 1. 1. 1.309 4.717 27. 1.168 4.239 0. Instruksi Shazam (lihat Tabel 4b) tidak berbeda dengan contoh pertama. 12. 2.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. 1.4 Battese dan Coelli (1992) spesifikasi (Model 1).643 77.605 8.618 0.076 81.032 2. 12.258 97. 15.350 38.130 14.134 2.232 4. 1. 8.432 9. 10.084 9.604 24.

451 15. 15. 18. 8. 2.433 6.688 2. 4. 24.583 4.034 0. 4. 3.220 57.029 77. 4.088 9.195 95.085 60.177 64.388 8.389 5.149 5. 22.312 40.891 59.074 7.498 0. 2.871 50.820 6.488 13.069 6. 2.583 22.590 18.651 12.834 1.182 14.264 11.996 6.668 4.241 3.128 1. 17.427 39.073 13. 38.896 88.055 77.405 42. 20.904 8.264 4. 4.556 6. 5.520 3. 2.072 15. 23.159 9.839 2.628 11.329 87.459 4. 13. 4.964 7.312 3.961 10. 17.708 0.019 4. 2. 3. 2. 4.843 7.312 94. 2. 23.574 4.690 1.741 10. 3.340 15. 4. 12. 4. 2.545 4.918 78.275 13. 2.149 26.124 14.1. 13. 14. 30.740 9. 3.789 8. 23.727 1. 23.439 35.188 1.895 63.379 6.668 68.955 41. 24.169 68. 7. 3.314 2.916 5.812 7. 20.906 72. 23. 4.661 87. 4.966 3. 25. 3. 4. 2. 3.455 30. 3.612 7. 2. 31. 9. 3.160 2.314 9.425 49. 19.563 4.752 80. 2.377 12.323 6. 22.551 36. 11.018 5.886 14. 3.548 2. 4.218 _____________________________________________________________________ . 19.265 95. 21.736 4.627 3. 3.023 2. 3. 3.907 38.322 2.055 4.104 7. 4.471 2.827 93. 7. 4. 11. 24.190 8. 14.535 8. 3.312 10.989 6.773 12. 10. 22. 2.503 59.656 94.440 63.992 8.704 2.737 7.936 2. 4. 2. 10.051 7. 14. 7.734 9.561 29.040 50. 9.337 5.921 0.722 30.621 44.834 60.085 11.274 9.223 89.884 1.192 8. 15. 2.937 98.490 2.479 2. 2.334 8. 13.424 6. 3.639 5. 4.

000000 1.dta menulis (33) n t ly lx1 lx2 berhenti _____________________________________________________________________ Tabel 4 c .000000 3. 13.347655 3.00000 4.00000 4. 2 = FUNGSI BIAYA y login VARIABEL TERGANTUNG (Y / N) 15 JUMLAH BAGIAN LINTAS 4 JUMLAH PERIODE WAKTU 60 JUMLAH PENGAMATAN DALAM JUMLAH 2 JUMLAH VARIABEL REGRESSOR (Xs) y MU (Y / N) [OR DELTA0 (Y / N) JIKA MENGGUNAKAN MODEL TE EFEK] y ETA (Y / N) [ATAU JUMLAH EFEK regressor TE (Zs)] n MULAI VALUES (Y / N) JIKA YA MAKA BETA0 Beta1 ATAS BETAK .000000 2.929490 1.099995 15.dat) n t y x1 x2 genr ly = log (y) genr lx1 = log (x1) genr lx2 = log (x2) 33 file eg4.123994 2.000000 1.058473 4.242410 3.Listing EG4.Listing EG4.535361 4. .00000 4.000000 3.269911 1.000000 3.000000 1.467332 14.000000 1.716746 2.SHA Shazam Instruksi Berkas _____________________________________________________________________ read (eg4.DTA File Data _____________________________________________________________________ 1.233128 4.119674 1.628260 4.726510 3.Listing EG4.000000 3.559169 2.INS Berkas Instruksi _____________________________________________________________________ 1 1 = KESALAHAN KOMPONEN MODEL.789132 _____________________________________________________________________ Tabel 4d .dta DATA NAMA FILE KELUARAN eg4.out NAMA FILE 1 1 = PRODUKSI FUNGSI.149054 2.497574 .Tabel 4b . 2 = TE EFEK MODEL eg4. .

737 7.SHA Shazam Instruksi Berkas _____________________________________________________________________ read (eg5.340 4. . kecuali bahwa data pada variabel z harus dibaca dan membaca. Jadi file data EG5.095 89.dta .834 60. 15.329 87.DAT File Data _____________________________________________________________________ 1. .886 5. 6. 22.dat) n t y x1 x2 z1 genr ly = log (y) genr lx1 = log (x1) genr lx2 = log (x2) 33 file eg5. 22. Tabel 5a . 26.000 3.000 .621 44.000 14. 1.218 4.Listing EG5.000 15. 1.314 9.Instruksi Shazam (lihat Tabel 5b) yang mirip dengan yang di contoh pertama. 4.000 2.643 77.799 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.Listing EG5. 4.416 35. dari berkas data pada contoh sebelumnya.134 1.DAT (lihat Tabel 5a) berisi satu lagi kolom (variabel z). Instruksi FRONTIER file (EG5. 4.639 5. _____________________________________________________________________ 4.124 4. 1. 13. pertanyaan tentang 0 sudah dijawab oleh yes (baris 10) dan jumlah variabel z telah diatur untuk 1 (baris 11).297 1.000 _____________________________________________________________________ Tabel 5b . 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).309 4. 23.131 9.INS) berbeda dalam sejumlah cara dari contoh sebelumnya: nomor model di line satu sudah disetel ke "2".5 Battese dan Coelli (1995) spesifikasi (Model 2).

535361 4.000000 1.000000 1.628260 4.000000 1.123994 2.233128 4.789132 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. .497574 1.242410 3.00000 4. 2 = TE EFEK MODEL eg5.269911 1.000000 3.Listing EG5.00000 4.347655 1.out NAMA FILE 1 1 = PRODUKSI FUNGSI.dta DATA NAMA FILE KELUARAN eg5.menulis (33) n t ly lx1 lx2 z1 berhenti _____________________________________________________________________ Tabel 5c .000000 _____________________________________________________________________ Tabel 5d .00000 4.000000 3.099995 4. 13. .119674 1.000000 14.559169 1.000000 1.000000 15.000000 3.INS Berkas Instruksi _____________________________________________________________________ 2 1 = KESALAHAN KOMPONEN MODEL.000000 .DTA File Data _____________________________________________________________________ 1.726510 3.000000 3.058473 4.149054 2.000000 2.Listing EG5.000000 2.929490 1.716746 2.467332 4.

dan Colby. T. Coelli. Jurnal Ekonomi Pertanian Australia. (1989).E. (1992).. G. G. Departemen Ekonometrika. maka Anda diminta untuk menghubungi penulis baik melalui email di: tcoelli@metz. D. Efisiensi Teknis dan Data Panel: Dengan Aplikasi untuk Petani Padi di India". G. dan Coelli.. . Battese.edu. dan Schmidt. T. T. Battese. "Perkembangan terbaru dalam Perkiraan Econometric dari Frontiers". 21. (1990). dan Coelli. P. FINAL POINT Berbagai versi FRONTIER sekarang digunakan di lebih dari 150 lokasi di seluruh dunia.E. Makalah Bekerja di Ekonometrika dan Statistik Terapan. No. Battese. T. "Estimasi Fungsi Produksi Frontier dan Efisiensi dari Farms India Menggunakan Data Panel Dari Studi Tingkat Desa ICRISAT's".au atau dengan menulis ke alamat di bagian depan tulisan ini. Armidale. C. 6.70. Coelli.J. GS (1977). Battese.E. dan Coelli. 5. "Sebuah Model untuk Efek Teknis inefisiensi dalam Fungsi Produksi Frontier Stokastik untuk Data Panel".E. Semoga banyak dari Anda akan melihat bahwa beberapa saran Anda telah diadopsi dalam versi baru ini.22. 29-32.A. Coelli. Bauer. DAFTAR PUSTAKA Aigner. T. 46. 20. Lovell. Versi 2. (1993).J. 169-179. "Fungsi Produksi Frontier. 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.C.J. Ekonomi Empiris.W. Jurnal Ekonomi Kuantitatif.0". 38 387399. G.E. 39-56. Ekonomi Letters 39. "Properties Sampel Hingga penduga Frontier Stokastik dan Statistik Uji Asosiasi". Journal of Econometrics.J. University of New England..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.une.J. T. Versi baru dari FRONTIER telah mendapatkan manfaat secara signifikan dari umpan balik dari Anda pengguna. 3. (1992). pp. 327-348. dan Coelli. Journal of Econometrics. _____________________________________________________________________ 5. No. "Perkiraan Model Frontier Produksi: Dengan Aplikasi untuk Zona Pastoral Australia Timur". 325-332. Battese. G. "A Stochastic Frontier Memasukkan Fungsi Produksi Model Teknis Efek Inefisiensi". T. 153-169. dan Corra. "Prediksi Efisiensi Teknis Firm-Level Dengan Fungsi Produksi Frontier Generalised dan Data Panel".J. Battese. Jika Anda memiliki saran tentang bagaimana program tersebut dapat diperbaiki atau jika Anda pikir Anda mungkin menemukan bug. G. (1993). P. Makalah Ekonometrika dan Statistika Terapan.E. (1995).J. "Formulasi dan Perkiraan Produksi Frontier Stokastik Fungsi Model".K. T. 21-37. "Program Komputer untuk estimasi Fungsi Produksi Frontier: FRONTIER.J. Jurnal Analisis Produktivitas.69. (1988). (1977). Journal of Econometrics.

I. 18.H. MD (1988). "Fungsi Produksi Frontier". R. 715-723. Stevenson. 68-119. Materov C. D.000-up file mulai ____________________________________________________________ KUNCI NILAI DIGUNAKAN DALAM PROGRAM FRONTIER (VERSI 4.000 start-up file tercantum pada Tabel A1. "Efisiensi Estimasi dari Cobb-Douglas Fungsi Produksi Dengan Terdiri Error".S. Manual Referensi Shazam Pengguna Versi 7.. (1980).K. Greene. 343-366. (1979). dan Lovell. Jurnal Ekonomi Pembangunan. LAMPIRAN . (1991). Universitas New England. 32. (1993). 6. K.000 The FRONT41. (1982). 9. Oxford University Press. 435-444.. Tabel A1 . Lee. dan Lee. International Economic Review. 413-430.. (1993). dan Schmidt. Ekonometrik Teori. Journal of Econometrics. dan Schmidt. Journal of Econometrics. M. 13 57-66. D. 9.PROGRAMMER'S GUIDE A. di goreng. (1980) "Fungsi Kemungkinan untuk estimasi Generalised Stochastic Frontier". W. "A Stochastic Frontier Fungsi Biaya untuk Penyediaan Penitipan Anak Residensial". New York. 9. T.. Lovell.0. P.The FRONT41. Journal of Econometrics. 289-328.M.M. Armidale.E.A. McGraw-Hill. (1995). Lovell. "Pada perkiraan Teknis inefisiensi dalam Stochastic Frontier Fungsi Produksi Model".A. "estimator dan Tes Hipotesis untuk Stochastic: Sebuah Analisis Monte Carlo".LIHAT BAWAH . Putih. Sebuah deskripsi singkat dari setiap nilai disediakan di bawah ini. 0 = JANGAN PRINT 1 Indic .. C. 4. LF (1993).Departemen Ekonometrika. R. "Sistematik Berangkat dari Frontier: Sebuah Kerangka untuk Analisis Inefisiensi Perusahaan". (1977). "Pengukuran dan Sumber Teknis inefisiensi dalam bahasa Indonesia dalam Tenun Industri". Pitt. P. Meeusen. "Sebuah Survei Frontier Fungsi Produksi dan mereka Hubungan dengan Efisiensi Pengukuran". Coelli.64. W.K. International Economic Review. Lovell HO. dan Stevenson. Terapan Non-Linear Programming.. New York. CAK dan Schmidt.SETIAP INFO PRINT "N" Iterasi.1) NOMOR: DESCRIPTION: 5 iPrint .J.000. F. Journal of Econometrics. "Distribusi asimtotik untuk Maximum Likelihood Estimator untuk Stochastic Frontier Fungsi Model dengan Informasi Singular Matrix".DIGUNAKAN DALAM PROSEDUR CARI unidimensional . J. Schmidt. Econometric Reviews. 233-238. Jondrow. dan van den Broeck. "Memperkirakan Inefisiensi Teknis dan Alokasi Sehubungan dengan Produksi Stochastic dan Frontiers Biaya". 19.43 . C. Journal of Ekonometrika Terapan. 3. 13 5-25. SS (Eds). Reifschneider.. P.R. Himmelblau. (1972). Hughes. "Pendekatan Ekonometrik Dari analisis Efisiensi". Schmidt.A. LF (1981).1 File FRONT41. Jurnal Analisis Produktivitas. The Pengukuran Efisiensi Produktif. (1986). J.K. P. Sepuluh nilai dapat diubah di FRONT41. 247-268. Forsund. 203-214. McGraw-Hill.

0 PRINT = HANYA MEAN TE NOMOR YANG DALAM FILE INI OLEH PROGRAM FRONTIER KAPAN DIMULAI PELAKSANAAN. Armidale.berhubungan dengan pencarian Coggin uni-dimensi yang dilakukan sebelum iterasi masing-masing untuk menentukan panjang langkah yang optimal.TOLERANSI KONVERGENSI (proporsional) 0. Ini dapat digunakan sebagai berikut: Indic = 2 mengatakan tidak panjang langkah skala dalam pencarian uni-dimensi.00001 maka prosedur iterasi akan berakhir pada saat perubahan proporsional dalam fungsi log-likelihood dan di masing-masing parameter estimasi semua kurang dari .menentukan seberapa sering informasi pada nilai fungsi likelihood dan vektor estimasi parameter harus dicatat selama proses iteratif. NSW.mengatur toleransi konvergensi pada proses iteratif. maka informasi yang dicetak setiap 5 iterasi. Jika nilai ini mengatakan diatur ke 0.LANGKAH DIAMBIL DI CARI GRID AKURASI SINGLE ON GAMMA 100 MAXIT . Indic = 1 mengatakan skala (dengan panjang langkah terakhir) hanya jika langkah terakhir adalah lebih kecil. Hal ini awalnya diatur ke 5.DIGUNAKAN UNTUK SET batas PADA DEN & DIST 0. ANDA DAPAT MENGUBAH ANGKA DALAM FILE INI JIKA ANDA WISH. CEPA KERJA KERTAS 96/07. 2) Indic .001 TOL2 . 3) TOL .MAKSIMUM YANG DIIZINKAN jumlah iterasi 1 ITE .00001 Langkah 1 . UNTUK INFORMASI LEBIH PADA VARIABEL INI LIHAT: COELLI (1996).00001 TOL . 0 = SINGLE 0.1 GRIDNO .TOLERANSI DIGUNAKAN DALAM PROSEDUR PENCARIAN UNIDIMENSI 1.INI 0.0D +16 bignum . IT IS DIBERITAHU BAHWA CADANGAN DARI FILE INI DIBUAT SEBELUM PERUBAHAN.UKURAN 1ST LANGKAH DALAM PROSEDUR PENCARIAN 1 IGRID2 . 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 . Sebuah 0 akan mengakibatkan ada pelaporan informasi intermediate. UNIVERSITAS INGGRIS BARU.1 AKURASI = PENELUSURAN GRID DOUBLE. 2351 AUSTRALIA. dan India = nomor lainnya mengatakan skala ( untuk panjang langkah terakhir) Untuk informasi lebih lanjut lihat Himmelblau (1972). Hal ini dapat diatur untuk setiap nilai integer nonnegatif.1 = PRINT SEMUA PERKIRAAN TE.

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

FUNGSI: DEN: Mengevaluasi fungsi densitas dari standar normal variabel acak. FUN2: Menghitung negatif dari fungsi log-likelihood (LLF) Model 2. Metode Coggin digunakan (lihat Himmelblau. Invert: membalikkan diberikan matriks. DER1: Menghitung derivatif parsial pertama dari negatif dari LLF Model 1.optimal untuk iterasi berikutnya. Jika perubahan proporsi dalam fungsi log-likelihood dan masing-masing parameter tidak lebih besar dari nilai TOL (awalnya diatur ke 0. OLS: Menghitung estimasi Kuadrat Terkecil Biasa model yang akan digunakan sebagai nilai awal. Untuk informasi lebih lanjut lihat Himmelblau (1972). FUN1: Menghitung negatif dari fungsi log-likelihood (LLF) Model 1. DIS: Mengevaluasi fungsi distribusi dari suatu variabel acak standar normal. <2> 0 dan-2U <2U). DER2: Menghitung derivatif parsial pertama dari negatif dari LLF Model 2. 1972). Baru! Klik kata di atas untuk melihat terjemahan alternatif. CONVRG: Pengujian kriteria konvergensi pada akhir setiap iterasi. Hal ini juga menghitung kesalahan standar OLS yang disajikan dalam output akhir. PERIKSA: Memastikan bahwa parameter yang diperkirakan tidak usaha di luar batasbatas teoretis (yaitu 0 <<1.00001) proses iteratif akan berakhir. Singkirkan Google Terjemahan untuk:PenelusuranVideoEmailPonselObrolanBisnis Tentang Google TerjemahanMatikan terjemahan instanPrivasiBantuan . 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.

Sign up to vote on this title
UsefulNot useful