r语言 c d生产函数,R语言 函数与模型(12):随机前沿模型SFA
______________________________
______________________________
查看往期R语言与函数系列
__________________________
__________________________
我们不生产代码
我们只是代码的搬运工
随机前沿模型(随机前沿曲线)是相对于确定性前沿模型(确定性前沿曲线)的扩展。在传统分析中,如C-D生产函数,我们在估计函数参数的时候,假设实际产出围绕生产函数描绘的曲线波动,差值为模型估计的残差,此时生产前沿曲线是固定的,实际产出围绕该曲线产生正负偏离;在SFA中,对于同样的C-D生产函数,在估计函数参数的时候,不仅认为实际产出围绕生产函数描绘的曲线波动,而且认为曲线的位置也会移动,受到随机冲击。本文介绍SFA分析的两个R语言package:sfa和sfadv。sfa包中sfa()函数假设前沿曲线受到外部随机冲击的方差固定不变;sfadv包假设前沿曲线受到的外部随机冲击的方差亦受到某些外生变量的影响。
###
###SFA代码及代码说明
###
###加载sfa包###
library(sfa)
library(sfa)
###读取外部数据###
data=read.table("sfa.csv",header=T,sep=",")
##SFA分析需要依据生产函数形式或成本函数形式转换为线性形式,我们对所有水平数据均取对数。若所分析的问题本身是线性形式,则无需取对数###
data=log(data)
###sfa()函数需要手动设置的参数:###
###formula,待估计函数的形式,与lm()函数和plm()函数中的formula设置方式相同,使用“~”分割被解释变量和解释变量,解释变量之间使用“+”连接,如"Y~X1+X2+X3";###
###data,外部数据集,列为指标,行为观测点;###
###intercept:T或者F,表示是否包含截距项,默认为包含截距项;###
###fun:设置随机项的分布形式,包括hnormal半正态分布,exp指数分布,tnormal截取正态分布,默认为hnormal;###
###form:设置函数类型,包括cost成本函数,production生产函数,默认为cost###
sfa=sfa(Y~X1,data=data,form="cost")
summary(sfa)
###关于summary()函数的返回值:第一部分为系数估计值及t检验结果;第二部分为LR检验结果,原假设为前沿曲线的随机冲击项的方差为零,即不存在随对随机前沿曲线的冲击,模型为确定性前沿曲线,sigmau2的t检验结果和LR检验结果均不拒绝sigmau2方差等于零的原假设;第三部分为LR检验结果,原假设为确定性前沿分析模型(OLS)与随机前沿分析模型(SFA)具有一致性,p值为0.75254,不拒绝具有一致性的假设;第四部分为平均效率值###
###使用eff()、u.sfa()和te.eff.sfa()函数直接提取观测点的效率值,分别对应效率值、技术效率值和绝对无效率值###
eff(sfa)
te.eff.sfa(sfa)
u.sfa(sfa)
###使用logLik()、coef()、fitted()和residuals()函数直接提取O型的对数似然值、系数、拟合值和残差###
coef(sfa)
fitted(sfa)
logLik(sfa)
residuals(sfa)
需要特别说明的是,sfa()函数默认的参数估计方法是极大似然估计,参数迭代算法是牛顿插值法BFGS。在sfadv包中,可以对内生变量的估计方法进行选择,如GMM方法。由于数据限制,我们无法对sfa包和sfadv包进行更多调试,欢迎正在使用SFA分析方法的读者与我们共同调试模型,共同进步,方便更多研究者快速掌握定量研究工具。
r语言 c d生产函数,R语言 函数与模型(12):随机前沿模型SFA相关推荐
- R语言笔记6:在R中写一些简单的函数、functions基础和作用域
R语言基础系列: 1数据类型(向量.数组.矩阵. 列表和数据框) 2读写数据所需的主要函数.与外部环境交互 3数据筛选--提取对象的子集 4向量.矩阵的数学运算 5控制结构 Your first R ...
- R语言ggplot2可视化分面图使用facet_wrap函数和facet_grid函数实战
R语言ggplot2可视化分面图使用facet_wrap函数和facet_grid函数实战 目录 R语言ggplot2可视化分面图使用facet_wrap函数和facet_grid函数实战
- R语言DALEX包的model_profile函数对caret包生成的多个算法模型的连续变量进行分析、使用Acumulated Local Effects (ALE)方法解释某个连续特征和目标值关系
R语言使用DALEX包的model_profile函数对caret包生成的多个算法模型的连续变量进行分析.使用Acumulated Local Effects (ALE)方法解释某个连续特征和目标值y ...
- R语言使用DALEX包的model_profile函数对caret包生成的多个算法模型的离散变量进行分析、使用偏依赖图(Partial Dependence Plots)解释某个离散特征和目标y的关系
R语言使用DALEX包的model_profile函数对caret包生成的多个算法模型的离散变量进行分析.使用偏依赖图(Partial Dependence Plots)解释某个离散特征和目标值y的关 ...
- R语言使用DALEX包的model_performance函数对caret包生成的多个算法模型进行残差分布分析并使用箱图进行残差分布的可视化
R语言使用DALEX包的model_performance函数对caret包生成的多个算法模型进行残差分布分析并使用箱图进行残差分布的可视化 目录
- R语言使用party包中的ctree函数构建条件推理决策树的流程和步骤、条件推理决策树是传统决策树的一个重要变体、条件推理树的分裂是基于显著性测试而不是熵/纯度/同质性度量来选择分裂
R语言使用party包中的ctree函数构建条件推理决策树的流程和步骤(Conditional inference trees).条件推理决策树是传统决策树的一个重要变体.条件推理树的分裂是基于显著性 ...
- R语言使用randomForest包构建随机森林模型(Random forests)、使用importance函数查看特征重要度、使用table函数计算混淆矩阵评估分类模型性能、包外错误估计OOB
R语言使用randomForest包中的randomForest函数构建随机森林模型(Random forests).使用importance函数查看特征重要度.使用table函数计算混淆矩阵评估分类 ...
- R语言使用DALEX包的model_performance函数对caret包生成的多个算法模型进行残差分布分析并可视化每个模型的残差反向累积分布图
R语言使用DALEX包的model_performance函数对caret包生成的多个算法模型进行残差分布分析并可视化每个模型的残差反向累积分布图 目录
- R语言ggplot2可视化:通过在element_text函数中设置ifelse判断条件自定义标签文本的显示格式:例如、粗体、斜体等
R语言ggplot2可视化:通过在element_text函数中设置ifelse判断条件自定义标签文本的显示格式:例如.粗体.斜体等 目录
最新文章
- nfc reader 卡密_红外NFC+50倍变焦,一款被严重低估的王牌?
- hdu 2518 Dominoes
- 解决org.apache.shiro.session.UnknownSessionException: There is no session with id的问题
- 单例设计模式八种方式——5) 懒汉式(线程安全,同步代码块) 6) 双重检查 7) 静态内部类 8) 枚举
- ajax给data赋值,vue 2.0 methods 里ajax生成的数据,怎么赋值给data
- 生命周期结束,Spring Boot 1.x退役
- 纯CSS实现React Logo图形,内含详细解析
- 为什么公司宁愿花25K重新招人,也不愿花20K留住老员工?
- 4.3.2模拟匹配的一种改价算法(KMP及KMP优化算法)
- SpringBoot集成MyBatis-Plus代码生成器
- java web html5区别_html5和html有什么区别啊?
- cocos2d-x史上最著名的诗
- php 二维数组根据键值合并二维数组_php数组实现根据某个键值将相同键值合并生成新二维数组的方法详解...
- [WM][转]PPC中如何判断网络已经连接或者断开
- 游戏筑基之两个变量交换值与三个变量交换值的比较(C语言)
- 【Qt】运行报错Could not create directory “E:\xxxx-Debug“
- java替换字符串_java string中的替换字符串
- 利用STM32精确测量电压
- Turtle库绘画实例
- samba Error NT_STATUS_CONNECTION_REFUSED Failed to connect with SMB1 -- no workgroup available