frontier系数做出来是负的怎么办

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

用frontier 4.1回归成本函数，结果产出项的系数是负的，意味着产出增加成本减少……这个显然是不对的吧？为什么会出现这样的问题，又该怎么解决呢？

谢谢

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：frontier frontie front Tier fro 成本

好阿，详细的结果发来看一下，帮你：）

啊，谢谢楼上，结果有点长，我就只复制前半部分过来了，后面的efficiency estimation没有复制，但实际上这个estimation却是相当完美……数据方面我试过各种变换转化结果都不太好，然后模型也有改，比如减少变量什么的，系数倒是变正了回归出来的效率却匪夷所思，所以好纠结呀，哈哈

Tech. Eff. Effects Frontier (see B&C 1993)
The model is a cost function
The dependent variable is logged


the ols estimates are :

                 coefficient     standard-error    t-ratio

  beta 0        -0.65117474E+00  0.75427379E-01 -0.86331350E+01
  beta 1        -0.92262921E+00  0.15591886E+01 -0.59173675E+00
  beta 2        -0.43860161E+00  0.13776306E+01 -0.31837389E+00
  beta 3        -0.41217852E-01  0.42299084E-01 -0.97443841E+00
  beta 4         0.58378216E+00  0.18895259E-01  0.30895695E+02
  beta 5        -0.37912324E+00  0.80279675E+00 -0.47225308E+00
  beta 6        -0.35952540E+00  0.11644904E+01 -0.30874053E+00
  beta 7         0.42419770E-01  0.30955340E-01  0.13703539E+01
  beta 8         0.56446175E-01  0.10963753E-01  0.51484353E+01
  beta 9        -0.12187150E+00  0.97543449E+00 -0.12494073E+00
  beta10         0.31871898E+00  0.39525011E+00  0.80637290E+00
  beta11         0.66434778E+00  0.51143169E+00  0.12989961E+01
  beta12        -0.28434020E-01  0.33030095E+00 -0.86085191E-01
  beta13         0.22675501E+00  0.43684181E+00  0.51907809E+00
  beta14         0.12404455E+00  0.36981279E-01  0.33542526E+01
  sigma-squared  0.11997815E-01

log likelihood function =   0.12994769E+03

the estimates after the grid search were :

  beta 0        -0.71200049E+00
  beta 1        -0.92262921E+00
  beta 2        -0.43860161E+00
  beta 3        -0.41217852E-01
  beta 4         0.58378216E+00
  beta 5        -0.37912324E+00
  beta 6        -0.35952540E+00
  beta 7         0.42419770E-01
  beta 8         0.56446175E-01
  beta 9        -0.12187150E+00
  beta10         0.31871898E+00
  beta11         0.66434778E+00
  beta12        -0.28434020E-01
  beta13         0.22675501E+00
  beta14         0.12404455E+00
  delta 0        0.00000000E+00
  delta 1        0.00000000E+00
  delta 2        0.00000000E+00
  delta 3        0.00000000E+00
  delta 4        0.00000000E+00
  delta 5        0.00000000E+00
  sigma-squared  0.14528969E-01
  gamma          0.40000000E+00


iteration =     0  func evals =     19  llf =  0.13024732E+03
    -0.71200049E+00-0.92262921E+00-0.43860161E+00-0.41217852E-01 0.58378216E+00
    -0.37912324E+00-0.35952540E+00 0.42419770E-01 0.56446175E-01-0.12187150E+00
     0.31871898E+00 0.66434778E+00-0.28434020E-01 0.22675501E+00 0.12404455E+00
     0.00000000E+00 0.00000000E+00 0.00000000E+00 0.00000000E+00 0.00000000E+00
     0.00000000E+00 0.14528969E-01 0.40000000E+00
gradient step
iteration =     5  func evals =     49  llf =  0.13347955E+03
    -0.70751503E+00-0.91752720E+00-0.44399641E+00-0.15198195E-01 0.59033157E+00
    -0.38082869E+00-0.35960424E+00 0.40239598E-01 0.49983238E-01-0.12124817E+00
     0.32085080E+00 0.65741205E+00-0.29520677E-01 0.23532523E+00 0.10361491E+00
     0.38018044E-01-0.22052699E-03 0.32663019E-01 0.14698944E-01-0.16887460E-02
    -0.11194072E-01 0.12599078E-01 0.39942953E+00
iteration =    10  func evals =     72  llf =  0.13465250E+03
    -0.70953954E+00-0.90187391E+00-0.45533682E+00-0.27911405E-01 0.59229232E+00
    -0.36844071E+00-0.37442417E+00 0.38721944E-01 0.49363930E-01-0.12025505E+00
     0.30699226E+00 0.63752449E+00-0.14366708E-01 0.25236516E+00 0.99557930E-01
     0.50599028E-01-0.16863050E-03 0.43130763E-01 0.11090533E+00-0.48754742E-01
    -0.18135218E-01 0.11688855E-01 0.38805809E+00
iteration =    15  func evals =     92  llf =  0.13564942E+03
    -0.72859084E+00-0.93751195E+00-0.47444341E+00-0.25337670E-01 0.59599322E+00
    -0.35975739E+00-0.34735754E+00 0.55357011E-01 0.47824149E-01-0.26980499E-01
     0.30206881E+00 0.60340553E+00-0.53446078E-03 0.21054778E+00 0.97970711E-01
     0.18635780E+00-0.18682419E-03-0.11360939E+00 0.19266862E+00-0.73847136E-01
    -0.32839830E-01 0.13026032E-01 0.51536387E+00
iteration =    20  func evals =    119  llf =  0.13942474E+03
    -0.73413651E+00-0.95426065E+00-0.52867268E+00-0.38137872E-01 0.59823389E+00
    -0.23764187E+00-0.37299150E+00 0.46707447E-01 0.50696339E-01 0.18124374E+00
     0.38571069E+00 0.44903095E+00-0.30057372E-01 0.11473084E+00 0.96484362E-01
     0.67840711E+00-0.33488349E-03-0.64227576E+00 0.25105099E+00-0.20086098E+00
    -0.19388484E-01 0.12166019E-01 0.50612661E+00
pt better than entering pt cannot be found
iteration =    21  func evals =    127  llf =  0.13942474E+03
    -0.73413651E+00-0.95426065E+00-0.52867268E+00-0.38137872E-01 0.59823389E+00
    -0.23764187E+00-0.37299150E+00 0.46707447E-01 0.50696339E-01 0.18124374E+00
     0.38571069E+00 0.44903095E+00-0.30057372E-01 0.11473084E+00 0.96484362E-01
     0.67840711E+00-0.33488349E-03-0.64227576E+00 0.25105099E+00-0.20086098E+00
    -0.19388484E-01 0.12166019E-01 0.50612661E+00


the final mle estimates are :

                 coefficient     standard-error    t-ratio

  beta 0        -0.73413651E+00  0.45923358E-01 -0.15986124E+02
  beta 1        -0.95426065E+00  0.63321204E+00 -0.15070160E+01
  beta 2        -0.52867268E+00  0.57568732E+00 -0.91833301E+00
  beta 3        -0.38137872E-01  0.33763699E-01 -0.11295525E+01
  beta 4         0.59823389E+00  0.29381729E-01  0.20360745E+02
  beta 5        -0.23764187E+00  0.44961612E+00 -0.52854393E+00
  beta 6        -0.37299150E+00  0.48657036E+00 -0.76657258E+00
  beta 7         0.46707447E-01  0.31000517E-01  0.15066667E+01
  beta 8         0.50696339E-01  0.15493591E-01  0.32720846E+01
  beta 9         0.18124374E+00  0.80264040E+00  0.22580939E+00
  beta10         0.38571069E+00  0.63615762E+00  0.60631309E+00
  beta11         0.44903095E+00  0.70307524E+00  0.63866699E+00
  beta12        -0.30057372E-01  0.53180581E+00 -0.56519449E-01
  beta13         0.11473084E+00  0.63726764E+00  0.18003557E+00
  beta14         0.96484362E-01  0.43478487E-01  0.22191288E+01
  delta 0        0.67840711E+00  0.55655735E+00  0.12189348E+01
  delta 1       -0.33488349E-03  0.23636573E-03 -0.14168022E+01
  delta 2       -0.64227576E+00  0.65592626E+00 -0.97918897E+00
  delta 3        0.25105099E+00  0.13169147E+00  0.19063572E+01
  delta 4       -0.20086098E+00  0.13808272E+00 -0.14546424E+01
  delta 5       -0.19388484E-01  0.43715668E-01 -0.44351339E+00
  sigma-squared  0.12166019E-01  0.47315447E-02  0.25712573E+01
  gamma          0.50612661E+00  0.34207178E+00  0.14795918E+01

log likelihood function =   0.13942474E+03

LR test of the one-sided error =   0.18954104E+02
with number of restrictions = 7
[note that this statistic has a mixed chi-square distribution]

number of iterations =     21

(maximum number of iterations set at :   100)

number of cross-sections =     14

number of time periods =     11

total number of observations =    154

这是用Coelli（1995）model做到的，time invariant， half distributed
gamma还好，
符号是可以解释的，不过显著的不多。要看你的变量了，还有你是用SFAmodel做的吧？具体可以回复聊。
最大都在研究这个方面的，有时间可以联系
QQ： 2264387497

abel0429 发表于 2011-8-17 12:26
这是用Coelli（1995）model做到的，time invariant， half distributed
gamma还好，
符号是可以解释的，不 ...

你说的我都知道啊，不过cost function不管怎么样产出增加都应该导致成本增加吧，是负数说不通的……

这里在计算效率的时候，产出增加，不一定代表着成本就要一定增加。 因为你所带入的值是现阶段的实际值，换句话说，这个值不一定是efficient效率最佳的。

你所说的情况只在效率合理的情况下才能成立，即企业达到了最佳效率，产出增加，成本也就相应的增加。

U是计算inefficiency，成本和产出的不相关性（包括负的），正说明了u的存在。

不知道这样说明是否明白，有空探讨。

abel0429 发表于 2011-8-18 07:42
这里在计算效率的时候，产出增加，不一定代表着成本就要一定增加。 因为你所带入的值是现阶段的实际值，换句 ...

其实我也想过这种可能性，比如从均值上讲，因为规模不经济的原因导致产出增加成本反而降低。但是我看好多论文里面都有强调说系数回归出来符号都符合预期什么的……所以我才觉得自己的这个东西不太合理。另外我用coelli（1992）回归出来的结果就很好，符号也都没什么问题。不过不知道论文能不能只用coelli（1992），感觉自从出了1995这个就过时了，哎……

有需要可以qq聊，
我也在做银行效率方面的研究

你是只因素分析的时候，delta 的符号符合预期吧？

abel0429 发表于 2011-8-18 09:21
你是只因素分析的时候，delta 的符号符合预期吧？

嗯，delta在1992和1995两个模型里面都是一样的符号，而且可以解释的通的。就是output的符号不一致，很假。