关于用frontier做SFA

毕业论文研究的是保险公司成本效率评估，这是原始数据： 数据.xlsx (51.47 KB)

2013-8-5 21:51:18 上传

，投入变量w1、w2、w3，产出变量y1、y2，两个影响因素是是否为中外资、是否为银行系，模型是ln(c/w3)=ln(y1)+ln(y2)+ln(w1/w3)+ln(w2/w3)+ln(y1)^2+ln(y2)^2+ln(w1/w3)^2+ln(w2/w3)^2+ln(y1)*ln(w1/w3)+ln(y1)*ln(w2/w3)+ln(y2)*ln(w1/w3)+ln(y2)*ln(w2/w3)+ln(y1)*ln(y2)+ln(w1/w3)*ln(w2/w3)

用frontier4.1做的，ins文件是
2               1=ERROR COMPONENTS MODEL, 2=TE EFFECTS MODEL
SFAcb.dta         DATA FILE NAME
cb2.out         OUTPUT FILE NAME
2               1=PRODUCTION FUNCTION, 2=COST FUNCTION
y               LOGGED DEPENDENT VARIABLE (Y/N)
44              NUMBER OF CROSS-SECTIONS
4               NUMBER OF TIME PERIODS
176              NUMBER OF OBSERVATIONS IN TOTAL
14               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)


我做的结果是
the final mle estimates are :

                 coefficient     standard-error    t-ratio

  beta 0        -0.10708279E+02  0.98701012E+00 -0.10849209E+02
  beta 1         0.26035634E+01  0.66222884E+00  0.39315162E+01
  beta 2         0.13083865E+01  0.71859391E+00  0.18207593E+01
  beta 3         0.76562460E+00  0.98698517E+00  0.77572048E+00
  beta 4        -0.15105818E+01  0.99066204E+00 -0.15248205E+01
  beta 5         0.14055852E-01  0.75786365E-01  0.18546677E+00
  beta 6         0.13188887E+00  0.43339112E-01  0.30431834E+01
  beta 7         0.12056823E+00  0.12755657E+00  0.94521375E+00
  beta 8         0.21856873E+00  0.24579138E+00  0.88924492E+00
  beta 9        -0.28415647E+00  0.74638304E-01 -0.38071132E+01
  beta10        -0.19652391E+00  0.78444661E+00 -0.25052553E+00
  beta11         0.78060564E-02  0.20687354E+00  0.37733470E-01
  beta12         0.23333693E-02  0.30873166E+00  0.75579203E-02
  beta13        -0.53720061E-01  0.37026574E+00 -0.14508515E+00
  beta14         0.20204164E+00  0.40685689E+00  0.49659143E+00
  delta 0       -0.53835804E-01  0.44300735E-02 -0.12152350E+02
  delta 1        0.56619695E-01  0.70286680E-01  0.80555371E+00
  delta 2        0.33326311E+00  0.16359709E+00  0.20370968E+01
  sigma-squared  0.16714561E+00  0.18606018E-01  0.89834164E+01
  gamma          0.25649786E-03  0.26116955E-04  0.98211243E+01

log likelihood function =  -0.80703030E+02

LR test of the one-sided error =   0.10329775E+02


cost efficiency estimates :


     firm  year             eff.-est.

       1     1           0.10000000E+01
       2     1           0.10000000E+01
       3     1           0.10000000E+01
       4     1           0.10007753E+01
       5     1           0.10007751E+01
       6     1           0.10063942E+01
       7     1           0.10007754E+01
       8     1           0.10007752E+01
       9     1           0.10007750E+01
      10     1           0.10007753E+01
      11     1           0.10000000E+01
      12     1           0.10000000E+01
      13     1           0.10000000E+01
      14     1           0.10000000E+01
      15     1           0.10007758E+01
      16     1           0.10000000E+01
      17     1           0.10007751E+01
      18     1           0.10063707E+01
      19     1           0.10064048E+01
      20     1           0.10064229E+01
      21     1           0.10063896E+01
      22     1           0.13995518E+01
      23     1           0.10063624E+01
      24     1           0.10064293E+01
      25     1           0.10064222E+01
      26     1           0.13993583E+01
      27     1           0.10063402E+01
      28     1           0.10064119E+01
      29     1           0.10063888E+01
      30     1           0.10063330E+01
      31     1           0.10063882E+01
      32     1           0.10063935E+01
      33     1           0.10064160E+01
      34     1           0.10063116E+01
      35     1           0.10064672E+01
      36     1           0.10063475E+01
      37     1           0.10063967E+01
      38     1           0.10064170E+01
      39     1           0.10063948E+01
      40     1           0.10064586E+01
      41     1           0.10064616E+01
      42     1           0.10064067E+01
      43     1           0.10064029E+01
      44     1           0.10064092E+01
       1     2           0.10007772E+01
       2     2           0.10000000E+01
       3     2           0.10000000E+01
       4     2           0.10007759E+01
       5     2           0.10000000E+01
       6     2           0.10064635E+01
       7     2           0.10000000E+01
       8     2           0.10007749E+01
       9     2           0.10007764E+01
      10     2           0.10007771E+01
      11     2           0.10000000E+01
      12     2           0.10007749E+01
      13     2           0.10007770E+01
      14     2           0.10000000E+01
      15     2           0.10000000E+01
      16     2           0.10007760E+01
      17     2           0.10000000E+01
      18     2           0.10063445E+01
      19     2           0.10064117E+01
      20     2           0.10064061E+01
      21     2           0.10063173E+01
      22     2           0.13996355E+01
      23     2           0.10063341E+01
      24     2           0.10064646E+01
      25     2           0.10063334E+01
      26     2           0.13994257E+01
      27     2           0.10063422E+01
      28     2           0.10063756E+01
      29     2           0.10064034E+01
      30     2           0.10063362E+01
      31     2           0.10064264E+01
      32     2           0.10063516E+01
      33     2           0.10064089E+01
      34     2           0.10063555E+01
      35     2           0.10061565E+01
      36     2           0.10063989E+01
      37     2           0.10063727E+01
      38     2           0.10064305E+01
      39     2           0.10063997E+01
      40     2           0.10064453E+01
      41     2           0.10064558E+01
      42     2           0.10063474E+01
      43     2           0.10063304E+01
      44     2           0.10063514E+01
       1     3           0.10007769E+01
       2     3           0.10000000E+01
       3     3           0.10000000E+01
       4     3           0.10007750E+01
       5     3           0.10000000E+01
       6     3           0.10064525E+01
       7     3           0.10000000E+01
       8     3           0.10000000E+01
       9     3           0.10007762E+01
      10     3           0.10000000E+01
      11     3           0.10000000E+01
      12     3           0.10007753E+01
      13     3           0.10007767E+01
      14     3           0.10000000E+01
      15     3           0.10000000E+01
      16     3           0.10007774E+01
      17     3           0.10007753E+01
      18     3           0.10063856E+01
      19     3           0.10064196E+01
      20     3           0.10064272E+01
      21     3           0.10063878E+01
      22     3           0.13996933E+01
      23     3           0.10064248E+01
      24     3           0.10064694E+01
      25     3           0.10064623E+01
      26     3           0.13994093E+01
      27     3           0.10063490E+01
      28     3           0.10064273E+01
      29     3           0.10063846E+01
      30     3           0.10064359E+01
      31     3           0.10064470E+01
      32     3           0.10064056E+01
      33     3           0.10064360E+01
      34     3           0.10064030E+01
      35     3           0.10064543E+01
      36     3           0.10064554E+01
      37     3           0.10063840E+01
      38     3           0.10064150E+01
      39     3           0.10063981E+01
      40     3           0.10064862E+01
      41     3           0.10064817E+01
      42     3           0.10063863E+01
      43     3           0.10064053E+01
      44     3           0.10064196E+01
       1     4           0.10007775E+01
       2     4           0.10007751E+01
       3     4           0.10000000E+01
       4     4           0.10007759E+01
       5     4           0.10000000E+01
       6     4           0.10064615E+01
       7     4           0.10007749E+01
       8     4           0.10000000E+01
       9     4           0.10007768E+01
      10     4           0.10000000E+01
      11     4           0.10007752E+01
      12     4           0.10007762E+01
      13     4           0.10007773E+01
      14     4           0.10000000E+01
      15     4           0.10000000E+01
      16     4           0.10007777E+01
      17     4           0.10000000E+01
      18     4           0.10063878E+01
      19     4           0.10064404E+01
      20     4           0.10064342E+01
      21     4           0.10063886E+01
      22     4           0.13995138E+01
      23     4           0.10064402E+01
      24     4           0.10064660E+01
      25     4           0.10064298E+01
      26     4           0.13993964E+01
      27     4           0.10063647E+01
      28     4           0.10064101E+01
      29     4           0.10063902E+01
      30     4           0.10063807E+01
      31     4           0.10064057E+01
      32     4           0.10064144E+01
      33     4           0.10064174E+01
      34     4           0.10064123E+01
      35     4           0.10064429E+01
      36     4           0.10064817E+01
      37     4           0.10063845E+01
      38     4           0.10064166E+01
      39     4           0.10063953E+01
      40     4           0.10064973E+01
      41     4           0.10064797E+01
      42     4           0.10063974E+01
      43     4           0.10064295E+01
      44     4           0.10064255E+01


mean efficiency =   0.10220848E+01


请教大神，ins文件设置是否正确？这个结果计算是否正确？如果正确，这个结果很明显不合理，应该怎么改进呢？

这个结果是错误的，效率值不可能大于1！你的ins文件没有问题，可能的问题在于：1、数据格式编排是否错误；2、模型的多重共线性问题；3、超越对数成本函数是否设置正确！