frontier4.1的结果文件里，哪里可以找到U+V的联合误差值

运算的SFA结果如下，因为要算随机误差v的值，需要知道U+V的联合误差，我刚学frontier4.1 不是很熟，请大神帮，毕业论文急用。


Output from the program FRONTIER (Version 4.1c)
instruction file = EG2.INS     
data file =        1.dta      


Error Components Frontier (see B&C 1992)
The model is a production function
The dependent variable is logged


the ols estimates are :

                 coefficient     standard-error    t-ratio

  beta 0         0.13879815E+04  0.42909755E+03  0.32346526E+01
  beta 1        -0.92727014E-02  0.62329951E-02 -0.14876799E+01
  beta 2        -0.15341934E+01  0.57918544E+00 -0.26488812E+01
  beta 3        -0.10825822E+03  0.31910192E+03 -0.33925908E+00
  sigma-squared  0.46896900E+06

log likelihood function =  -0.51456131E+03

the estimates after the grid search were :

  beta 0         0.21083977E+04
  beta 1        -0.92727014E-02
  beta 2        -0.15341934E+01
  beta 3        -0.10825822E+03
  sigma-squared  0.95910896E+06
  gamma          0.85000000E+00
  mu             0.00000000E+00
  eta            0.00000000E+00


iteration =     0  func evals =     20  llf = -0.49675070E+03
     0.21083977E+04-0.92727014E-02-0.15341934E+01-0.10825822E+03 0.95910896E+06
     0.85000000E+00 0.00000000E+00 0.00000000E+00
gradient step
iteration =     5  func evals =     65  llf = -0.49507521E+03
     0.21084022E+04-0.27123547E-02-0.18281539E+01-0.10824994E+03 0.95910896E+06
     0.84994821E+00 0.27868649E-02 0.31028389E-01
iteration =    10  func evals =    193  llf = -0.49484637E+03
     0.21415114E+04-0.55054393E-02-0.18460698E+01-0.49730367E+02 0.95910897E+06
     0.85869727E+00 0.16513017E+02 0.30561263E-02
iteration =    15  func evals =    333  llf = -0.49455786E+03
     0.21635823E+04-0.38124518E-02-0.21914899E+01-0.10725910E+02 0.95910898E+06
     0.86632927E+00 0.27516986E+02 0.24702138E-01
iteration =    20  func evals =    480  llf = -0.49433415E+03
     0.22391212E+04-0.88706047E-02-0.21484766E+01 0.12277082E+03 0.95910900E+06
     0.87020127E+00 0.65184180E+02-0.94990134E-02
iteration =    25  func evals =    622  llf = -0.49408131E+03
     0.22564189E+04-0.78055887E-02-0.25861131E+01 0.15331846E+03 0.95910901E+06
     0.86418179E+00 0.73812448E+02-0.67691361E-02
iteration =    30  func evals =    751  llf = -0.49402224E+03
     0.22462313E+04-0.73216681E-02-0.25169178E+01 0.13521181E+03 0.95910901E+06
     0.85605354E+00 0.68755327E+02-0.30964147E-03
iteration =    35  func evals =    902  llf = -0.49385334E+03
     0.22970511E+04-0.81076035E-02-0.24158305E+01 0.99612740E+02 0.95910905E+06
     0.85081371E+00 0.12345257E+03 0.30624349E-02
iteration =    40  func evals =   1043  llf = -0.49382265E+03
     0.23214850E+04-0.89052837E-02-0.22527020E+01 0.65211261E+02 0.95910908E+06
     0.85968688E+00 0.15379875E+03 0.47712395E-02
iteration =    45  func evals =   1181  llf = -0.49373002E+03
     0.24167378E+04-0.10285269E-01-0.21560577E+01 0.90517727E+01 0.95910917E+06
     0.85631909E+00 0.25384757E+03 0.58570093E-02
iteration =    50  func evals =   1335  llf = -0.49352490E+03
     0.26593399E+04-0.12359530E-01-0.26475782E+01-0.43007103E+02 0.95910937E+06
     0.86383096E+00 0.48736553E+03-0.40972094E-02
iteration =    55  func evals =   1472  llf = -0.49348059E+03
     0.26554723E+04-0.12862203E-01-0.26986368E+01-0.15671343E+02 0.95910936E+06
     0.86587433E+00 0.47743818E+03-0.11530451E-01
iteration =    60  func evals =   1623  llf = -0.49324658E+03
     0.26418086E+04-0.12351475E-01-0.26496633E+01 0.10686053E+02 0.95910934E+06
     0.86419082E+00 0.45880806E+03-0.20756721E-01
iteration =    65  func evals =   1762  llf = -0.49315567E+03
     0.27184490E+04-0.12605323E-01-0.28529608E+01 0.32130681E+02 0.95910940E+06
     0.85877498E+00 0.52371365E+03-0.19594225E-01
iteration =    70  func evals =   1889  llf = -0.49315306E+03
     0.27017457E+04-0.12445242E-01-0.28327103E+01 0.37065941E+02 0.95910938E+06
     0.85878167E+00 0.50763648E+03-0.18160473E-01
iteration =    75  func evals =   2047  llf = -0.49308112E+03
     0.26113402E+04-0.11754290E-01-0.26167787E+01 0.69750880E+02 0.95910938E+06
     0.86079425E+00 0.64175913E+03-0.19786506E-01
iteration =    80  func evals =   2186  llf = -0.49306798E+03
     0.26050926E+04-0.11643665E-01-0.24918239E+01 0.67751639E+02 0.95910939E+06
     0.85908809E+00 0.69163487E+03-0.16698002E-01
search failed. fn val indep of search direction
iteration =    84  func evals =   2266  llf = -0.49306772E+03
     0.26054346E+04-0.11579788E-01-0.24955910E+01 0.67197690E+02 0.95910939E+06
     0.85903191E+00 0.69725599E+03-0.16814564E-01


the final mle estimates are :

                 coefficient     standard-error    t-ratio

  beta 0         0.26054346E+04  0.42561254E+03  0.61216114E+01
  beta 1        -0.11579788E-01  0.68077098E-02 -0.17009815E+01
  beta 2        -0.24955910E+01  0.12134173E+01 -0.20566635E+01
  beta 3         0.67197690E+02  0.19140819E+03  0.35107008E+00
  sigma-squared  0.95910939E+06  0.10408449E+01  0.92147197E+06
  gamma          0.85903191E+00  0.27524761E-01  0.31209423E+02
  mu             0.69725599E+03  0.57729506E+03  0.12077983E+01
  eta           -0.16814564E-01  0.38519137E-01 -0.43652493E+00

log likelihood function =  -0.49306772E+03

LR test of the one-sided error =   0.42987170E+02
with number of restrictions = 3
[note that this statistic has a mixed chi-square distribution]

number of iterations =     84

(maximum number of iterations set at :   100)

number of cross-sections =     13

number of time periods =      5

total number of observations =     65

thus there are:      0  obsns not in the panel


covariance matrix :

  0.18114604E+06 -0.20647702E+01 -0.27999763E+03 -0.27590500E+05  0.95286089E+02
  0.31041712E+00  0.11210835E+05 -0.59470226E+01
-0.20647702E+01  0.46344912E-04  0.15437533E-02 -0.51387412E-01 -0.11401225E-02
-0.62669618E-05 -0.49085646E+00  0.16158875E-03
-0.27999763E+03  0.15437533E-02  0.14723815E+01  0.38493998E+01 -0.19075140E-01
  0.26489142E-03  0.36091106E+03  0.11434700E-01
-0.27590500E+05 -0.51387412E-01  0.38493998E+01  0.36637097E+05 -0.14299602E+02
  0.17615638E+00  0.16350893E+05 -0.17763764E+01
  0.95286089E+02 -0.11401225E-02 -0.19075140E-01 -0.14299602E+02  0.10833581E+01
  0.15964623E-03  0.10954951E+03 -0.32355764E-02
  0.31041712E+00 -0.62669618E-05  0.26489142E-03  0.17615638E+00  0.15964623E-03
  0.75761245E-03  0.15515082E+00 -0.14103836E-04
  0.11210835E+05 -0.49085646E+00  0.36091106E+03  0.16350893E+05  0.10954951E+03
  0.15515082E+00  0.33326959E+06 -0.21331215E+01
-0.59470226E+01  0.16158875E-03  0.11434700E-01 -0.17763764E+01 -0.32355764E-02
-0.14103836E-04 -0.21331215E+01  0.14837239E-02



technical efficiency estimates :



efficiency estimates for year      1 :

     firm             eff.-est.

       1           0.10000000E+01
       2           0.10000000E+01
       3           0.10000000E+01
       4           0.10000000E+01
       5           0.10000000E+01
       6           0.10000000E+01
       7           0.10000000E+01
       8           0.10000000E+01
       9           0.10000000E+01
      10           0.10000000E+01
      11           0.10000000E+01
      12           0.10000000E+01
      13           0.10000000E+01


mean eff. in year   1 =  0.10000000E+01




efficiency estimates for year      2 :

     firm             eff.-est.

       1           0.10000000E+01
       2           0.10000000E+01
       3           0.10000000E+01
       4           0.10000000E+01
       5           0.10000000E+01
       6           0.10000000E+01
       7           0.10000000E+01
       8           0.10000000E+01
       9           0.10000000E+01
      10           0.10000000E+01
      11           0.10000000E+01
      12           0.10000000E+01
      13           0.10000000E+01


mean eff. in year   2 =  0.10000000E+01




efficiency estimates for year      3 :

     firm             eff.-est.

       1           0.10000000E+01
       2           0.10000000E+01
       3           0.10000000E+01
       4           0.10000000E+01
       5           0.10000000E+01
       6           0.10000000E+01
       7           0.10000000E+01
       8           0.10000000E+01
       9           0.10000000E+01
      10           0.10000000E+01
      11           0.10000000E+01
      12           0.10000000E+01
      13           0.10000000E+01


mean eff. in year   3 =  0.10000000E+01




efficiency estimates for year      4 :

     firm             eff.-est.

       1           0.10000000E+01
       2           0.10000000E+01
       3           0.10000000E+01
       4           0.10000000E+01
       5           0.10000000E+01
       6           0.10000000E+01
       7           0.10000000E+01
       8           0.10000000E+01
       9           0.10000000E+01
      10           0.10000000E+01
      11           0.10000000E+01
      12           0.10000000E+01
      13           0.10000000E+01


mean eff. in year   4 =  0.10000000E+01




efficiency estimates for year      5 :

     firm             eff.-est.

       1           0.10000000E+01
       2           0.10000000E+01
       3           0.10000000E+01
       4           0.10000000E+01
       5           0.10000000E+01
       6           0.10000000E+01
       7           0.10000000E+01
       8           0.10000000E+01
       9           0.10000000E+01
      10           0.10000000E+01
      11           0.10000000E+01
      12           0.10000000E+01
      13           0.10000000E+01


mean eff. in year   5 =  0.10000000E+01





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

  t:   1   2   3   4   5
   n
   1   1   1   1   1   1   5
   2   1   1   1   1   1   5
   3   1   1   1   1   1   5
   4   1   1   1   1   1   5
   5   1   1   1   1   1   5
   6   1   1   1   1   1   5
   7   1   1   1   1   1   5
   8   1   1   1   1   1   5
   9   1   1   1   1   1   5
  10   1   1   1   1   1   5
  11   1   1   1   1   1   5
  12   1   1   1   1   1   5
  13   1   1   1   1   1   5

      13  13  13  13  13  65

您是指σu+σv吗？
就是 sigma-squared开方吧……

谢谢楼上的回答，我已经弄明白了，我不是问的sigma的平方，我知道那是随机误差和环境变量的siama平方和

本人已经自己搞懂了，无需回复了

angeljing1988 发表于 2015-3-28 00:02
本人已经自己搞懂了，无需回复了

您好，请问回归分析之前的随机前沿模型适用性检验怎么做呀？似然比统计量是否通过检验，如何判断呀？先谢过了

你好，我也急需u+v怎么分离，能帮我一下吗

angeljing1988 发表于 2015-3-28 00:02
本人已经自己搞懂了，无需回复了

请问前辈怎么得到随机误差v的值呢？多谢！