frontier4.1为何不出结果

浅离陌 发表于 2015-3-3 16:14
大神，一定帮我看看，同学的数据都能出结果，为啥我的数据就不能，只是换了个数据，为什么就没结果了，拜托 ...

你这数据不全吧，，至少也要把完整的dta内容都拷贝过来，别人才好帮你看吧。。。

edsioncjlu 发表于 2015-3-8 21:29
因为第一行选择了2，所以是一步法模型，命令文件的这一行变成了“请问有多少个影响因素”

所以，他这里 ...

确实是，我选的是模型1995不是1992

edsioncjlu 发表于 2015-3-8 21:27
直观来讲，你5个自变量外加2个影响因素，只有48个数据。。。很难算出结果啊。。。

个人观点，未必对， ...

我增加了还是不行~按照一期的数据能出结果，分成多期就不出结果了~

edsioncjlu 发表于 2015-3-8 21:30
你这数据不全吧，，至少也要把完整的dta内容都拷贝过来，别人才好帮你看吧。。。

我增加到了13期共78个数据
1        1        7.677         0.765         1.960         0.586         3.842         1.500         138468.000         43258.000
2        1        8.673         0.904         1.887         0.818         3.561         1.706         194791.000         198313.000
3        1        9.614         1.099         2.293         1.207         5.256         2.519         233018.000         8318.000
4        1        7.405         0.582         1.686         0.339         2.844         0.982         168824.000         11882.000
5        1        9.539         0.963         2.230         0.928         4.973         2.148         531452.000         321274.000
6        1        4.268         -0.105         0.095         0.011         0.009         -0.010         246508.000         38399.000
7        2        7.595         0.788         1.974         0.622         3.897         1.556         138138.000         50485.000
8        2        8.558         0.904         1.902         0.818         3.618         1.720         213980.000         26419.000
9        2        9.500         1.122         2.342         1.258         5.484         2.627         201583.000         6244.000
10        2        7.308         0.571         1.723         0.326         2.968         0.984         179696.000         52650.000
11        2        9.482         0.971         2.251         0.942         5.068         2.186         487800.000         84372.000
12        2        4.610         -0.051         0.095         0.003         0.009         -0.005         282173.000         44241.000
13        3        7.522         0.806         2.015         0.650         4.060         1.625         136114.000         49079.000
14        3        8.442         0.916         1.917         0.840         3.675         1.756         215365.000         53571.000
15        3        9.461         1.138         2.313         1.295         5.348         2.631         207608.000         9239.000
16        3        7.264         0.577         1.758         0.332         3.090         1.014         172804.000         24052.000
17        3        9.507         0.936         2.272         0.876         5.163         2.127         482491.000         63750.000
18        3        5.079         0.068         0.182         0.005         0.033         0.012         372648.000         49308.000
19        4        7.491         0.779         2.041         0.607         4.167         1.591         147258.000         42538.000
20        4        8.433         0.932         1.932         0.869         3.731         1.800         246167.000         32398.000
21        4        9.514         1.144         2.361         1.309         5.574         2.701         252485.000         6324.000
22        4        7.270         0.548         1.775         0.300         3.150         0.973         169815.000         16846.000
23        4        9.528         0.936         2.322         0.876         5.393         2.174         528276.000         145966.000
24        4        5.368         0.122         0.182         0.015         0.033         0.022         553525.000         47077.000
25        5        7.539         0.770         2.092         0.593         4.376         1.611         166008.000         32585.000
26        5        8.464         0.916         1.946         0.840         3.787         1.783         288890.000         10195.000
27        5        9.550         1.141         2.361         1.302         5.574         2.694         306676.000         7819.000
28        5        7.268         0.513         1.740         0.263         3.029         0.893         185836.000         56002.000
29        5        9.552         0.912         2.282         0.832         5.209         2.082         608150.000         112638.000
30        5        5.426         0.207         0.182         0.043         0.033         0.038         706235.000         54937.000
31        6        7.536         0.747         2.092         0.558         4.376         1.562         70506.000         88784.440
32        6        8.487         0.920         1.946         0.847         3.787         1.791         146389.000         59855.940
33        6        9.501         1.197         2.398         1.433         5.750         2.870         125445.000         5459.620
34        6        7.271         0.531         1.758         0.282         3.090         0.933         83697.000         253653.520
35        6        9.561         0.920         2.262         0.847         5.116         2.081         190737.000         138327.000
36        6        5.720         0.278         0.405         0.077         0.164         0.113         215928.000         111210.230
37        7        7.511         0.747         2.116         0.558         4.479         1.580         81538.000         88653.510
38        7        8.486         0.932         1.974         0.869         3.897         1.840         163169.000         87440.490
39        7        9.509         1.227         2.407         1.505         5.793         2.953         129241.000         -2396.910
40        7        7.260         0.542         1.775         0.294         3.150         0.963         116296.000         215058.930
41        7        9.511         0.936         2.262         0.876         5.116         2.117         219026.000         294288.000
42        7        5.761         0.329         0.470         0.108         0.221         0.155         273132.000         133272.550
43        8        7.512         0.732         2.104         0.536         4.427         1.541         78822.000         93071.270
44        8        8.484         0.928         1.988         0.862         3.952         1.845         153419.000         50844.400
45        8        9.498         1.241         2.342         1.541         5.484         2.907         117858.000         21631.200
46        8        7.220         0.560         2.067         0.313         4.272         1.157         61149.000         240539.660
47        8        9.467         0.967         2.028         0.935         4.113         1.961         218116.000         340065.000
48        8        5.989         0.336         0.642         0.113         0.412         0.216         302773.000         169389.840
49        9        7.528         0.751         2.128         0.565         4.529         1.599         91980.000         64105.780
50        9        8.460         0.990         2.015         0.979         4.060         1.994         159812.000         30926.580
51        9        9.395         1.244         2.303         1.548         5.302         2.865         119915.000         24624.850
52        9        7.211         0.560         2.067         0.313         4.272         1.157         59427.000         261535.060
53        9        9.464         1.019         2.092         1.038         4.376         2.131         220884.000         332734.000
54        9        6.109         0.385         0.742         0.148         0.550         0.286         340118.000         186797.550
55        10        7.525         0.820         2.175         0.672         4.730         1.783         82531.000         26875.150
56        10        8.471         1.037         2.067         1.075         4.272         2.143         139961.000         56668.690
57        10        9.401         1.212         2.313         1.469         5.348         2.803         95159.000         12226.470
58        10        7.216         0.599         2.092         0.359         4.376         1.253         55135.000         4059.410
59        10        9.436         1.037         2.175         1.075         4.730         2.255         132407.000         153788.000
60        10        6.515         0.531         0.405         0.282         0.164         0.215         309601.000         167070.810
61        11        7.508         0.806         2.208         0.650         4.876         1.781         99736.000         39035.920
62        11        8.472         1.030         2.092         1.060         4.376         2.154         158507.000         86053.320
63        11        9.437         1.179         2.322         1.389         5.393         2.737         122047.000         7440.980
64        11        7.210         0.571         2.104         0.326         4.427         1.201         59785.000         61325.950
65        11        9.412         1.008         2.140         1.016         4.580         2.157         145498.000         259344.000
66        11        6.553         0.565         0.470         0.320         0.221         0.266         406090.000         272986.560
67        12        7.529         0.811         2.219         0.658         4.925         1.800         105101.000         40832.020
68        12        8.470         1.061         2.104         1.126         4.427         2.233         183371.000         88993.420
69        12        9.474         1.218         2.322         1.483         5.393         2.828         126478.000         -850.720
70        12        7.206         0.577         2.079         0.332         4.324         1.199         69315.000         36243.800
71        12        9.433         1.015         2.175         1.031         4.730         2.208         145273.000         257410.000
72        12        6.823         0.610         0.531         0.372         0.282         0.324         457107.000         331591.710
73        13        7.511         0.829         2.219         0.686         4.925         1.839         108365.000         30885.010
74        13        8.466         1.092         2.128         1.192         4.529         2.324         183354.000         50579.660
75        13        9.486         1.209         2.313         1.462         5.348         2.796         123412.000         849.280
76        13        7.200         0.548         2.079         0.300         4.324         1.140         67787.000         66827.270
77        13        9.451         1.026         2.175         1.053         4.730         2.231         148772.000         217778.000
78        13        6.905         0.683         0.588         0.467         0.345         0.402         505646.000         295625.590

浅离陌 发表于 2015-3-9 16:46
我增加到了13期共78个数据
1        1        7.677         0.765         1.960         0.586         3.842         1.500         138468.000         43258.000
2         ...

13个时期？可以四条记录的时期期都一样吗？

ygj201101 发表于 2015-3-17 23:38
13个时期？可以四条记录的时期期都一样吗？

我也在做随机前沿模型，也遇到了多时期数据的处理问题，我先是把四个区域所有时期的数据都列上，结果Gamma值仅为0.20，后来个每区域的不同时期数据分开建立了四个数据文件，这样Gamma值能提高到0.8以上，但是检验的结果为什么显示“no observation in this period”啊，蹊跷的是输出结果中怎么还有个矩阵啊，急，求大侠们，请尽快回复！！！。我先列出一个区域的数据文件，执行程序脚本，以及输出结果：
eg1-dat：
1        1        26065.9645        6113        6947        17003
2        2        40429.41645        7799        7799        17034
3        3        33972.14402        11216        11222        23872
4        4        35919.09561        13581        12453        35432
5        5        111774.8303        12849        12849        37291
6        6        98011.06273        13643        13643        45921
7        7        140976.724          12934        12934        53312

eg1-ins：
1               1=ERROR COMPONENTS MODEL, 2=TE EFFECTS MODEL
eg1-dta.txt         DATA FILE NAME
eg1-out.txt         OUTPUT FILE NAME
1               1=PRODUCTION FUNCTION, 2=COST FUNCTION
n               LOGGED DEPENDENT VARIABLE (Y/N)
7               NUMBER OF CROSS-SECTIONS
7               NUMBER OF TIME PERIODS
7               NUMBER OF OBSERVATIONS IN TOTAL
3               NUMBER OF REGRESSOR VARIABLES (Xs)
n               MU (Y/N) [OR DELTA0 (Y/N) IF USING TE EFFECTS MODEL]
y               ETA (Y/N) [OR NUMBER OF TE EFFECTS REGRESSORS (Zs)]
n               STARTING VALUES (Y/N)
                IF YES THEN     BETA0              
                                BETA1 TO
                                BETAK            
                                SIGMA SQUARED
                                GAMMA
                                MU              [OR DELTA0
                                ETA                 DELTA1 TO
                                                      DELTAP]

                                NOTE: IF YOU ARE SUPPLYING STARTING VALUES
                                AND YOU HAVE RESTRICTED MU [OR DELTA0] TO BE
                                ZERO THEN YOU SHOULD NOT SUPPLY A STARTING
                                VALUE FOR THIS PARAMETER.

eg1-out：
Output from the program FRONTIER (Version 4.1c)


instruction file = Eg1-ins.txt
data file =        eg1-dta.txt


Error Components Frontier (see B&C 1992)
The model is a production function
The dependent variable is not logged


the ols estimates are :

                 coefficient     standard-error    t-ratio

  beta 0        -0.36054335E+05  0.64936840E+05 -0.55522158E+00
  beta 1        -0.27603087E+02  0.22737305E+02 -0.12139999E+01
  beta 2         0.27820568E+02  0.29149976E+02  0.95439420E+00
  beta 3         0.31781654E+01  0.16100997E+01  0.19738936E+01
  sigma-squared  0.62131405E+09

log likelihood function =  -0.77832742E+02

the estimates after the grid search were :

  beta 0        -0.33095527E+05
  beta 1        -0.27603087E+02
  beta 2         0.27820568E+02
  beta 3         0.31781654E+01
  sigma-squared  0.27503199E+09
  gamma          0.50000000E-01
   mu is restricted to be zero
  eta            0.00000000E+00


iteration =     0  func evals =     20  llf = -0.77834570E+02
    -0.33095527E+05-0.27603087E+02 0.27820568E+02 0.31781654E+01 0.27503199E+09
     0.50000000E-01 0.00000000E+00
gradient step
iteration =     5  func evals =     63  llf = -0.77738960E+02
    -0.33095527E+05-0.27602229E+02 0.27824964E+02 0.31476105E+01 0.27503199E+09
     0.16099437E-02 0.40436202E+00
iteration =    10  func evals =    155  llf = -0.77700635E+02
    -0.33095526E+05-0.28095401E+02 0.28879233E+02 0.29713297E+01 0.27503199E+09
     0.54013360E-03 0.52539865E+00
iteration =    15  func evals =    270  llf = -0.77645816E+02
    -0.33095524E+05-0.30139708E+02 0.30979966E+02 0.29761488E+01 0.27503199E+09
     0.79191670E-04 0.72088836E+00
iteration =    20  func evals =    364  llf = -0.77580358E+02
    -0.33095522E+05-0.32759873E+02 0.33747450E+02 0.29250152E+01 0.27503199E+09
     0.11185723E-04 0.92456971E+00
iteration =    25  func evals =    413  llf = -0.77549995E+02
    -0.33095519E+05-0.35343962E+02 0.36043302E+02 0.30084890E+01 0.27503199E+09
     0.24888648E-05 0.10765339E+01
iteration =    30  func evals =    523  llf = -0.77538790E+02
    -0.33095517E+05-0.35855835E+02 0.36889672E+02 0.29171837E+01 0.27503199E+09
     0.15449424E-05 0.11290587E+01
iteration =    35  func evals =    635  llf = -0.77531070E+02
    -0.33095515E+05-0.37303262E+02 0.38346606E+02 0.29215409E+01 0.27503199E+09
     0.55440568E-06 0.12253713E+01
iteration =    40  func evals =    746  llf = -0.77527833E+02
    -0.33095513E+05-0.38291557E+02 0.39338403E+02 0.29249982E+01 0.27503199E+09
     0.26782500E-06 0.12969545E+01
iteration =    45  func evals =    837  llf = -0.77525212E+02
    -0.33095511E+05-0.38853448E+02 0.39893366E+02 0.29298079E+01 0.27503199E+09
     0.14542686E-06 0.13515859E+01
iteration =    50  func evals =    952  llf = -0.77515038E+02
    -0.33095508E+05-0.39097519E+02 0.40183905E+02 0.29146244E+01 0.27503199E+09
     0.54902527E-07 0.14332269E+01
iteration =    55  func evals =   1028  llf = -0.77506554E+02
    -0.33095505E+05-0.39122375E+02 0.40266351E+02 0.28976123E+01 0.27503199E+09
     0.27892452E-07 0.14916061E+01
iteration =    60  func evals =   1135  llf = -0.77497066E+02
    -0.33095502E+05-0.39780961E+02 0.40880755E+02 0.29138241E+01 0.27503199E+09
     0.10000000E-07 0.15914051E+01
pt better than entering pt cannot be found
iteration =    62  func evals =   1147  llf = -0.77497066E+02
    -0.33095502E+05-0.39781347E+02 0.40881234E+02 0.29137986E+01 0.27503199E+09
     0.10000000E-07 0.15914661E+01


the final mle estimates are :

                 coefficient     standard-error    t-ratio

  beta 0        -0.33095502E+05  0.10002883E+01 -0.33085962E+05
  beta 1        -0.39781347E+02  0.50046557E+01 -0.79488681E+01
  beta 2         0.40881234E+02  0.53175718E+01  0.76879514E+01
  beta 3         0.29137986E+01  0.71050659E+00  0.41010155E+01
  sigma-squared  0.27503199E+09  0.10000000E+01  0.27503199E+09
  gamma          0.10000000E-07  0.67580070E-07  0.14797262E+00
   mu is restricted to be zero
  eta            0.15914661E+01  0.62762277E+00  0.25357048E+01

log likelihood function =  -0.77497066E+02

LR test of the one-sided error =   0.67135357E+00
with number of restrictions = 2
[note that this statistic has a mixed chi-square distribution]

number of iterations =     62

(maximum number of iterations set at :   100)

number of cross-sections =      7

number of time periods =      7

total number of observations =      7

thus there are:     42  obsns not in the panel


covariance matrix :

  0.10005767E+01 -0.99936050E-01  0.12164896E+00 -0.58137417E-02  0.27801963E-06
-0.15424836E-08  0.14894636E-01
-0.99936050E-01  0.25046578E+02 -0.24504047E+02 -0.26299924E+00 -0.55840174E-04
  0.30034642E-06 -0.28361972E+01
  0.12164896E+00 -0.24504047E+02  0.28276570E+02 -0.11699010E+01  0.63047570E-04
-0.34104559E-06  0.32500399E+01
-0.58137417E-02 -0.26299924E+00 -0.11699010E+01  0.50481961E+00 -0.20392081E-05
  0.10593732E-07 -0.10670354E+00
  0.27801963E-06 -0.55840174E-04  0.63047570E-04 -0.20392081E-05  0.10000000E+01
-0.83240996E-12  0.74596521E-05
-0.15424836E-08  0.30034642E-06 -0.34104559E-06  0.10593732E-07 -0.83240996E-12
  0.45670659E-14 -0.41026747E-07
  0.14894636E-01 -0.28361972E+01  0.32500399E+01 -0.10670354E+00  0.74596521E-05
-0.41026747E-07  0.39391034E+00



technical efficiency estimates :



efficiency estimates for year      1 :

     firm             eff.-est.

       1           0.60770429E+00
       2    no observation in this period
       3    no observation in this period
       4    no observation in this period
       5    no observation in this period
       6    no observation in this period
       7    no observation in this period


mean eff. in year   1 =  0.60770429E+00




efficiency estimates for year      2 :

     firm             eff.-est.

       1    no observation in this period
       2           0.87079729E+00
       3    no observation in this period
       4    no observation in this period
       5    no observation in this period
       6    no observation in this period
       7    no observation in this period


mean eff. in year   2 =  0.87079729E+00




efficiency estimates for year      3 :

     firm             eff.-est.

       1    no observation in this period
       2    no observation in this period
       3           0.98395104E+00
       4    no observation in this period
       5    no observation in this period
       6    no observation in this period
       7    no observation in this period


mean eff. in year   3 =  0.98395104E+00




efficiency estimates for year      4 :

     firm             eff.-est.

       1    no observation in this period
       2    no observation in this period
       3    no observation in this period
       4           0.99597469E+00
       5    no observation in this period
       6    no observation in this period
       7    no observation in this period


mean eff. in year   4 =  0.99597469E+00




efficiency estimates for year      5 :

     firm             eff.-est.

       1    no observation in this period
       2    no observation in this period
       3    no observation in this period
       4    no observation in this period
       5           0.99964473E+00
       6    no observation in this period
       7    no observation in this period


mean eff. in year   5 =  0.99964473E+00




efficiency estimates for year      6 :

     firm             eff.-est.

       1    no observation in this period
       2    no observation in this period
       3    no observation in this period
       4    no observation in this period
       5    no observation in this period
       6           0.99994383E+00
       7    no observation in this period


mean eff. in year   6 =  0.99994383E+00




efficiency estimates for year      7 :

     firm             eff.-est.

       1    no observation in this period
       2    no observation in this period
       3    no observation in this period
       4    no observation in this period
       5    no observation in this period
       6    no observation in this period
       7           0.99999030E+00


mean eff. in year   7 =  0.99999030E+00





summary of panel of observations:
(1 = observed, 0 = not observed)

  t:   1   2   3   4   5   6   7
   n
   1   1   0   0   0   0   0   0   1
   2   0   1   0   0   0   0   0   1
   3   0   0   1   0   0   0   0   1
   4   0   0   0   1   0   0   0   1
   5   0   0   0   0   1   0   0   1
   6   0   0   0   0   0   1   0   1
   7   0   0   0   0   0   0   1   1

       1   1   1   1   1   1   1   7

你最好别用手动，选“f”，然后要看dta中的out文件名，在dos中输入输出文件名时，一定要加上.txt。多运行几次，有时候这程序反应慢。

最近在写这方面的文章，被这个软件要搞疯了，英文说明看了好几遍还是不出结果，拿着例子重做都不行。想问问是不是在 DTA中写数据也有什么格式呢，我做的是有LOG后结果的数据，各列数据对齐，然后都保留六位小数就行吗？如果我只做一个省的时间序列数据，第一个编号是都写1还是123...啊  

好心人帮帮我啊

ygj201101 发表于 2015-3-17 23:38
13个时期？可以四条记录的时期期都一样吗？

四条记录的时期一样？没太明白什么意思。是说分成13期吗

浅离陌 发表于 2015-3-23 15:15
四条记录的时期一样？没太明白什么意思。是说分成13期吗

应该是第一列序号的格式错了，应该是1 2 3 4 5 6 1 2 3    4 5 6……如此反复。你可以看英文说明里的1995那个例子。