stata lnsigma2什么意思
答案:1 悬赏:30 手机版
解决时间 2021-02-16 06:22
- 提问者网友：溺爱和你
- 2021-02-15 12:24
stata lnsigma2什么意思
最佳答案
- 五星知识达人网友：鱼芗
- 2021-02-15 13:24
首先检查你的设定，发现没有问题。核心三点：（1）Battese and Coelli(1992)设定；（2）截断正态；（3）技术无效项时变。对吧？这三点也是STATA中“xtfrontier ... ,vcd”命令默认的设定。我按你给的数据分别在两种软件上跑，确实存在你说的问题！
比较两组估计值，Frontier存在明显问题：估计值的标准差全是1，技术无效项的期望是零，方差也是零（我的估计结果是这样的，不知道你的是不是）。减少一个变量，Frontier的异常结果没有了，但是两组估计结果仍不一样。在这一过程中，Frontier给计算的似然函数值要小于STATA，说明至少Frontier没有实现全局最优。不过当我去掉投入项与时间的乘积项后，两组结果有了一致的结果，见最后。
我估计，变量多，两组结果差异就大；变量少，两组结果就一致。但这一结论是否稳定，我没有进一步验证，你可以再通过增删其他变量试试。
这样我就想可能是两个方面的问题：运算能力和算法。
Frontier的运算能力的确有限，虽然我不确定Frontier到底在哪些设定下会遇到运算能力瓶颈，但上面的问题很可能就是一种。此外，你要是使用Battese and Coelli(1995)设定的话(“INS”中的第一行先TE），你会发现最多只能加4个解释技术无效项期望的变量。呵呵，很无奈吧，因为你有5个！这也是一种。尽管如此，Frontier至少还能做BC95的设定，而STATA却没有Routine的东西，除非自己编程。
Frontier的默认算法是DFP，该算法的好处是不用计算二阶导矩阵，不过STATA在调用这一算法时会提示不连续区域，从而无法给出DFP算法下的估计值。我也很纳闷，为什么Frontier就能做出来？还得考虑。
问题很有意思，但我工作太忙，没法拿出更多时间了。东西放在这里，抛砖引玉，供大家讨论。找出更深层次的原因，共同进步。
STATA估计结果
Time-varying decay inefficiency model Number of obs = 522
Group variable: id Number of groups = 29
Time variable: t Obs per group: min = 18
avg = 18
max = 18
Wald chi2(7) = 12117.83
Log likelihood = 676.85007 Prob > chi2 = 0.0000
------------------------------------------------------------------------------
logy | Coef. Std. Err. z P>|z| [95% Conf. Interval]
-------------+----------------------------------------------------------------
logk | .8581681 .0702359 12.22 0.000 .7205082 .995828
logl | .2901866 .2385308 1.22 0.224 -.1773251 .7576984
lnk2 | -.0081341 .0051661 -1.57 0.115 -.0182594 .0019913
lnl2 | .0176866 .0189523 0.93 0.351 -.0194593 .0548325
lnkl | -.0416083 .009661 -4.31 0.000 -.0605435 -.0226731
t | .0738904 .0032325 22.86 0.000 .0675548 .080226
t2 | -.0001099 .0001371 -0.80 0.423 -.0003786 .0001588
_cons | -.1303931 .8066209 -0.16 0.872 -1.711341 1.450555
-------------+----------------------------------------------------------------
/mu | .8076558 .1711175 4.72 0.000 .4722717 1.14304
/eta | -.0249487 .0019134 -13.04 0.000 -.0286988 -.0211985
/lnsigma2 | -.9871312 .4119958 -2.40 0.017 -1.794628 -.1796343
/ilgtgamma | 4.819252 .4215303 11.43 0.000 3.993067 5.645436
-------------+----------------------------------------------------------------
sigma2 | .3726442 .1535278 .1661893 .8355757
gamma | .9919918 .0033487 .9818909 .9964788
sigma_u2 | .36966 .1535317 .0687434 .6705766
sigma_v2 | .0029842 .0001906 .0026106 .0033578
------------------------------------------------------------------------------
Frontier估计结果：
the final mle estimates are :
coefficient standard-error t-ratio
beta 0 -0.13009123E+00 0.81300234E+00 -0.16001335E+00
beta 1 0.85813963E+00 0.68369803E-01 0.12551442E+02
beta 2 0.29013755E+00 0.24348149E+00 0.11916205E+01
beta 3 -0.81321979E-02 0.51092938E-02 -0.15916481E+01
beta 4 0.17690571E-01 0.19216669E-01 0.92058467E+00
beta 5 -0.41609162E-01 0.96804559E-02 -0.42982647E+01
beta 6 0.73891171E-01 0.32161358E-02 0.22975140E+02
beta 7 -0.10989187E-03 0.13951797E-03 -0.78765383E+00
sigma-squared 0.37270236E+00 0.15138674E+00 0.24619220E+01
gamma 0.99199309E+00 0.32595184E-02 0.30433732E+03
mu 0.80763401E+00 0.17292280E+00 0.46704889E+01
eta -0.24947633E-01 0.17774413E-02 -0.14035700E+02
log likelihood function = 0.67685005E+03
LR test of the one-sided error = 0.14167786E+04
with number of restrictions = 3
[note that this statistic has a mixed chi-square distribution]
已有 1 人评分
论坛币
学术水平
热心指数
信用等级
收起理由
crystal8832 + 24 + 2 + 2 + 2 热心帮助其他会员
比较两组估计值，Frontier存在明显问题：估计值的标准差全是1，技术无效项的期望是零，方差也是零（我的估计结果是这样的，不知道你的是不是）。减少一个变量，Frontier的异常结果没有了，但是两组估计结果仍不一样。在这一过程中，Frontier给计算的似然函数值要小于STATA，说明至少Frontier没有实现全局最优。不过当我去掉投入项与时间的乘积项后，两组结果有了一致的结果，见最后。
我估计，变量多，两组结果差异就大；变量少，两组结果就一致。但这一结论是否稳定，我没有进一步验证，你可以再通过增删其他变量试试。
这样我就想可能是两个方面的问题：运算能力和算法。
Frontier的运算能力的确有限，虽然我不确定Frontier到底在哪些设定下会遇到运算能力瓶颈，但上面的问题很可能就是一种。此外，你要是使用Battese and Coelli(1995)设定的话(“INS”中的第一行先TE），你会发现最多只能加4个解释技术无效项期望的变量。呵呵，很无奈吧，因为你有5个！这也是一种。尽管如此，Frontier至少还能做BC95的设定，而STATA却没有Routine的东西，除非自己编程。
Frontier的默认算法是DFP，该算法的好处是不用计算二阶导矩阵，不过STATA在调用这一算法时会提示不连续区域，从而无法给出DFP算法下的估计值。我也很纳闷，为什么Frontier就能做出来？还得考虑。
问题很有意思，但我工作太忙，没法拿出更多时间了。东西放在这里，抛砖引玉，供大家讨论。找出更深层次的原因，共同进步。
STATA估计结果
Time-varying decay inefficiency model Number of obs = 522
Group variable: id Number of groups = 29
Time variable: t Obs per group: min = 18
avg = 18
max = 18
Wald chi2(7) = 12117.83
Log likelihood = 676.85007 Prob > chi2 = 0.0000
------------------------------------------------------------------------------
logy | Coef. Std. Err. z P>|z| [95% Conf. Interval]
-------------+----------------------------------------------------------------
logk | .8581681 .0702359 12.22 0.000 .7205082 .995828
logl | .2901866 .2385308 1.22 0.224 -.1773251 .7576984
lnk2 | -.0081341 .0051661 -1.57 0.115 -.0182594 .0019913
lnl2 | .0176866 .0189523 0.93 0.351 -.0194593 .0548325
lnkl | -.0416083 .009661 -4.31 0.000 -.0605435 -.0226731
t | .0738904 .0032325 22.86 0.000 .0675548 .080226
t2 | -.0001099 .0001371 -0.80 0.423 -.0003786 .0001588
_cons | -.1303931 .8066209 -0.16 0.872 -1.711341 1.450555
-------------+----------------------------------------------------------------
/mu | .8076558 .1711175 4.72 0.000 .4722717 1.14304
/eta | -.0249487 .0019134 -13.04 0.000 -.0286988 -.0211985
/lnsigma2 | -.9871312 .4119958 -2.40 0.017 -1.794628 -.1796343
/ilgtgamma | 4.819252 .4215303 11.43 0.000 3.993067 5.645436
-------------+----------------------------------------------------------------
sigma2 | .3726442 .1535278 .1661893 .8355757
gamma | .9919918 .0033487 .9818909 .9964788
sigma_u2 | .36966 .1535317 .0687434 .6705766
sigma_v2 | .0029842 .0001906 .0026106 .0033578
------------------------------------------------------------------------------
Frontier估计结果：
the final mle estimates are :
coefficient standard-error t-ratio
beta 0 -0.13009123E+00 0.81300234E+00 -0.16001335E+00
beta 1 0.85813963E+00 0.68369803E-01 0.12551442E+02
beta 2 0.29013755E+00 0.24348149E+00 0.11916205E+01
beta 3 -0.81321979E-02 0.51092938E-02 -0.15916481E+01
beta 4 0.17690571E-01 0.19216669E-01 0.92058467E+00
beta 5 -0.41609162E-01 0.96804559E-02 -0.42982647E+01
beta 6 0.73891171E-01 0.32161358E-02 0.22975140E+02
beta 7 -0.10989187E-03 0.13951797E-03 -0.78765383E+00
sigma-squared 0.37270236E+00 0.15138674E+00 0.24619220E+01
gamma 0.99199309E+00 0.32595184E-02 0.30433732E+03
mu 0.80763401E+00 0.17292280E+00 0.46704889E+01
eta -0.24947633E-01 0.17774413E-02 -0.14035700E+02
log likelihood function = 0.67685005E+03
LR test of the one-sided error = 0.14167786E+04
with number of restrictions = 3
[note that this statistic has a mixed chi-square distribution]
已有 1 人评分
论坛币
学术水平
热心指数
信用等级
收起理由
crystal8832 + 24 + 2 + 2 + 2 热心帮助其他会员
我要举报
如以上回答内容为低俗、色情、不良、暴力、侵权、涉及违法等信息，可以点下面链接进行举报！
点此我要举报以上问答信息
大家都在看
推荐资讯