求助，frontier做SFA结果的t-ratio是t值么，我做的值都小于1，怎么办啊

各位大虾好，我潜伏多日，今天第一次发帖，求助啊。
我用frontier做sfa，用的是面板数据，要做技术效率回归，但是6组所有的数据做出来，t-ratio全部太小，都小于0.1，请问这个是t值么，如果是那岂不是都不能通过检验了，怎么办啊。下面是我的一组回归结果与过程，帮帮忙啊，谢谢大家了
数据，dat文件
1.000000  1.000000  4.087152  1.000000  6.254040  3.224062  0.319992  0.127192
2.000000  1.000000  4.010057  1.000000  6.237250  3.226447  0.154503  0.127192
3.000000  1.000000  5.090186  1.000000  7.045254  4.491777  0.117548  0.127192
4.000000  1.000000  4.200505  1.000000  7.428755  4.323470  0.145502  0.127192
5.000000  1.000000  5.286245  1.000000  7.137390  3.567841  0.231424  0.127192
6.000000  1.000000  5.451725  1.000000  7.295511  4.656908  0.129778  0.127192
7.000000  1.000000  5.195620  1.000000  6.697738  4.072780  0.147938  0.127192
8.000000  1.000000  4.164182  1.000000  6.076747  3.377929  0.092832  0.127192
9.000000  1.000000  5.302060  1.000000  7.158327  4.779544  0.092447  0.127192
10.000000  1.000000  5.233939  1.000000  7.059188  4.316554  0.138881  0.127192
11.000000  1.000000  1.918392  1.000000  3.991204  0.693147  0.067211  0.127192
1.000000  2.000000  4.712858  2.000000  6.315575  3.223664  0.428839  0.131766
2.000000  2.000000  4.117084  2.000000  6.271234  3.273364  0.157504  0.131766
3.000000  2.000000  5.340658  2.000000  7.219971  4.551242  0.119186  0.131766
4.000000  2.000000  5.381049  2.000000  7.479164  4.344584  0.143971  0.131766
5.000000  2.000000  5.779106  2.000000  7.214372  3.662792  0.233162  0.131766
6.000000  2.000000  5.955034  2.000000  7.602576  4.799173  0.130702  0.131766
7.000000  2.000000  5.517533  2.000000  7.020539  4.259859  0.127573  0.131766
8.000000  2.000000  4.625071  2.000000  6.263703  3.584907  0.087583  0.131766
9.000000  2.000000  5.894155  2.000000  7.536199  4.936343  0.090178  0.131766
10.000000  2.000000  5.616517  2.000000  7.114891  4.463722  0.137486  0.131766
11.000000  2.000000  2.606387  2.000000  4.265071  0.712950  0.079088  0.131766
1.000000  3.000000  4.323868  3.000000  6.284489  3.215671  0.415665  0.131222
2.000000  3.000000  4.192378  3.000000  6.393122  3.252311  0.160845  0.131222
3.000000  3.000000  5.495979  3.000000  7.365547  4.575535  0.122256  0.131222
4.000000  3.000000  4.458525  3.000000  7.551759  4.373994  0.138644  0.131222
5.000000  3.000000  5.660840  3.000000  7.394585  3.619261  0.295078  0.131222
6.000000  3.000000  6.007043  3.000000  7.790787  4.784654  0.127226  0.131222
7.000000  3.000000  5.470673  3.000000  7.208993  4.283173  0.117982  0.131222
8.000000  3.000000  4.372355  3.000000  6.342737  3.603049  0.085254  0.131222
9.000000  3.000000  6.299868  3.000000  7.798720  5.012167  0.082525  0.131222
10.000000  3.000000  5.612763  3.000000  7.290532  4.546057  0.140506  0.131222
11.000000  3.000000  2.748552  3.000000  4.229604  0.765468  0.083266  0.131222
1.000000  4.000000  3.336125  4.000000  6.296243  3.176386  0.324037  0.125426
2.000000  4.000000  4.191623  4.000000  6.484971  3.164208  0.158513  0.125426
3.000000  4.000000  5.849699  4.000000  7.606517  4.622027  0.125419  0.125426
4.000000  4.000000  4.578313  4.000000  7.759469  4.422328  0.148333  0.125426
5.000000  4.000000  5.495117  4.000000  7.561028  3.645711  0.255820  0.125426
6.000000  4.000000  6.269891  4.000000  8.047087  4.858804  0.118516  0.125426
7.000000  4.000000  5.527045  4.000000  7.418829  4.343546  0.114571  0.125426
8.000000  4.000000  4.740138  4.000000  6.485856  3.730261  0.084909  0.125426
9.000000  4.000000  6.576316  4.000000  8.053038  5.067709  0.081161  0.125426
10.000000  4.000000  6.010090  4.000000  7.635053  4.641213  0.138611  0.125426
11.000000  4.000000  2.855895  4.000000  5.234579  0.741937  0.165828  0.125426
1.000000  5.000000  3.972742  5.000000  6.765685  3.173878  0.343442  0.126871
2.000000  5.000000  4.564869  5.000000  6.603822  3.216874  0.162937  0.126871
3.000000  5.000000  6.334469  5.000000  7.743356  4.640151  0.125918  0.126871
4.000000  5.000000  5.754602  5.000000  7.788361  4.476882  0.149243  0.126871
5.000000  5.000000  5.702048  5.000000  7.613276  3.625673  0.248081  0.126871
6.000000  5.000000  7.014086  5.000000  8.175868  4.946132  0.115312  0.126871
7.000000  5.000000  5.898115  5.000000  7.587989  4.411100  0.109750  0.126871
8.000000  5.000000  5.313304  5.000000  6.587095  3.863673  0.084062  0.126871
9.000000  5.000000  6.924130  5.000000  8.323196  5.136680  0.087497  0.126871
10.000000  5.000000  6.489357  5.000000  7.716430  4.731098  0.137294  0.126871
11.000000  5.000000  3.109953  5.000000  5.198773  0.708036  0.091839  0.126871
1.000000  6.000000  0.000000  6.000000  6.776484  3.122805  0.362406  0.131777
2.000000  6.000000  2.407846  6.000000  6.748677  3.304686  0.173928  0.131777
3.000000  6.000000  5.974776  6.000000  7.922069  4.690522  0.132655  0.131777
4.000000  6.000000  0.000000  6.000000  7.905700  4.496917  0.152075  0.131777
5.000000  6.000000  4.163715  6.000000  7.680356  3.624341  0.256628  0.131777
6.000000  6.000000  7.040887  6.000000  8.357785  5.160319  0.119616  0.131777
7.000000  6.000000  5.623620  6.000000  7.745557  4.457134  0.111711  0.131777
8.000000  6.000000  5.175754  6.000000  6.706593  3.983227  0.093983  0.131777
9.000000  6.000000  6.835840  6.000000  8.448619  5.229128  0.093488  0.131777
10.000000  6.000000  6.072561  6.000000  7.885709  4.830711  0.142058  0.131777
11.000000  6.000000  3.614695  6.000000  5.210524  1.095273  0.089714  0.131777
1.000000  7.000000  4.841348  7.000000  6.798682  3.113960  0.368658  0.134371
2.000000  7.000000  4.926746  7.000000  6.937052  3.374853  0.172038  0.134371
3.000000  7.000000  6.279159  7.000000  8.111655  4.690338  0.136076  0.134371
4.000000  7.000000  6.115738  7.000000  8.055236  4.600057  0.144769  0.134371
5.000000  7.000000  5.575760  7.000000  7.754033  3.575711  0.266658  0.134371
6.000000  7.000000  6.991453  7.000000  8.457194  5.107338  0.119354  0.134371
7.000000  7.000000  6.260843  7.000000  7.802373  4.448282  0.113712  0.134371
8.000000  7.000000  5.434769  7.000000  6.919630  3.973494  0.094283  0.134371
9.000000  7.000000  7.173215  7.000000  8.557761  5.278166  0.098796  0.134371
10.000000  7.000000  6.677499  7.000000  7.922942  4.797690  0.143716  0.134371
11.000000  7.000000  4.322940  7.000000  5.147349  0.943906  0.084868  0.134371
1.000000  8.000000  5.046710  8.000000  6.600639  3.050694  0.376616  0.134104
2.000000  8.000000  5.747576  8.000000  7.133080  3.344627  0.170685  0.134104
3.000000  8.000000  6.528922  8.000000  8.322219  4.761917  0.133545  0.134104
4.000000  8.000000  6.531402  8.000000  8.198374  4.592389  0.150087  0.134104
5.000000  8.000000  6.232703  8.000000  7.765005  3.567277  0.276228  0.134104
6.000000  8.000000  7.422445  8.000000  8.596577  5.221490  0.117400  0.134104
7.000000  8.000000  6.782147  8.000000  7.912983  4.535499  0.115527  0.134104
8.000000  8.000000  5.906614  8.000000  7.143444  4.058545  0.096352  0.134104
9.000000  8.000000  7.456374  8.000000  8.714236  5.278268  0.098107  0.134104
10.000000  8.000000  7.032086  8.000000  8.101472  4.903495  0.145650  0.134104
11.000000  8.000000  4.307034  8.000000  5.148308  0.959350  0.087208  0.134104


ins文件：
2               1=ERROR COMPONENTS MODEL, 2=TE EFFECTS MODEL
sy-dta.txt         DATA FILE NAME
sy-out.txt         OUTPUT FILE NAME
1               1=PRODUCTION FUNCTION, 2=COST FUNCTION
y               LOGGED DEPENDENT VARIABLE (Y/N)
11              NUMBER OF CROSS-SECTIONS
8               NUMBER OF TIME PERIODS
88             NUMBER OF OBSERVATIONS IN TOTAL
3               NUMBER OF REGRESSOR VARIABLES (Xs)
y               MU (Y/N) [OR DELTA0 (Y/N) IF USING TE EFFECTS MODEL]
2               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.
结果：
the final mle estimates are :
                 coefficient     standard-error    t-ratio
  beta 0        -0.68086389E+00  0.11906389E+01 -0.57184751E+00
  beta 1         0.10208215E+00  0.52952518E-01  0.19278054E+01
  beta 2         0.78389615E+00  0.70821791E-01  0.11068573E+02
  beta 3         0.12394656E+00  0.88331168E-01  0.14032030E+01
  delta 0       -0.99530855E+01  0.60557084E+01 -0.16435873E+01
  delta 1        0.27408060E+02  0.22001312E+02  0.12457466E+01
  delta 2       -0.13253300E+01  0.22710993E+01 -0.58356322E+00
  sigma-squared  0.42180670E+01  0.18355917E+01  0.22979331E+01
  gamma          0.99618096E+00  0.22668726E-02  0.43945167E+03
log likelihood function =  -0.65626902E+02
LR test of the one-sided error =   0.11367525E+03
with number of restrictions = 4

这么大的，

我也碰到类似情况，t-ratio 与t值不是一回事，我也搞清楚怎样才能得到t值。

你的ins文件在显示：3               NUMBER OF REGRESSOR VARIABLES (Xs)
就是说有3个自变量 为什么data 中显示有五列？

请问T-ratio什么意思呢，怎么能转化为P值呢

zhangan10 发表于 2012-9-21 11:11
我也碰到类似情况，t-ratio 与t值不是一回事，我也搞清楚怎样才能得到t值。

后面两列是影响因素，三个x，一个y，列数就正好了

上面的输出结果怎么看显著性啊，谢谢各位

0.19278054E+01表示的是0.19278054*10的一次方，这不就大于1了么

lizhihuixiaohui 发表于 2014-11-20 16:18
请问T-ratio什么意思呢，怎么能转化为P值呢

t-ratio就是我們通常所說的t值。其实就是前两列之积：t-ratio=estimate/std error。
在R里面，输入 2*(pt(t ratio值,df=*))【如果t ratio值小于0】或2*(1-pt(t ratio值,df=*))【如果t ratio值大于0】就可得到相应p值。

冒昧的问一句，dta里的第一列不应该是序号么，也就是从1-88，为何你的是1-11，然后继续1-11呢？？？