隨機前沿生產函式如何在stata中進行估計呢?我擬了這幾個實際估計的步驟: 第一步,將隨機前沿生產函式(C-D模型或者是超越對數模型都可以)中vi和ui這兩個誤差轉化為單誤差,假設這個單誤差的引數分別是λ和σ^2(其中,λ和σ^2分別由vi和ui的方差構造); 第二步,根據第一步中單誤差的分佈函式,寫出其似然函式,並取對數,簡稱單誤差的對數似然函式; 第三步,在stata中程式設計。根據單誤差的對數似然函式編寫程式,argus的引數為lnf(單誤差的對數似然函式)、theta1(即為λ)、theta2(即為σ^2); 第四步,這一步其時也stata中程式編寫的一部分。也就是在輸入生產函式的被解釋變數和解釋變數。 然後執行該程式,就可以估計出各自變數係數的值,以及λ和σ^2的值。 以上方法,在ui服從各種分佈時都可以使用,只需要將不同分佈情況下求出不同的單誤差對數似然函式就可以了,並在第三步中進行變化。
隨機前沿生產函式如何在stata中進行估計呢?我擬了這幾個實際估計的步驟: 第一步,將隨機前沿生產函式(C-D模型或者是超越對數模型都可以)中vi和ui這兩個誤差轉化為單誤差,假設這個單誤差的引數分別是λ和σ^2(其中,λ和σ^2分別由vi和ui的方差構造); 第二步,根據第一步中單誤差的分佈函式,寫出其似然函式,並取對數,簡稱單誤差的對數似然函式; 第三步,在stata中程式設計。根據單誤差的對數似然函式編寫程式,argus的引數為lnf(單誤差的對數似然函式)、theta1(即為λ)、theta2(即為σ^2); 第四步,這一步其時也stata中程式編寫的一部分。也就是在輸入生產函式的被解釋變數和解釋變數。 然後執行該程式,就可以估計出各自變數係數的值,以及λ和σ^2的值。 以上方法,在ui服從各種分佈時都可以使用,只需要將不同分佈情況下求出不同的單誤差對數似然函式就可以了,並在第三步中進行變化。