L'action frontierProd permet d'analyser des modèles de frontière de production stochastique. Elle est conçue pour estimer les fonctions de production où la sortie est fonction des entrées et d'un terme d'erreur composé (incluant une inefficacité technique). Elle prend en charge divers types de modèles (exponentiel, demi-normal, tronqué) et offre des options étendues pour la gestion des variables de classification, les contraintes sur les paramètres, les tests d'hypothèses et la génération de statistiques de sortie comme l'efficacité technique.
| Paramètre | Description |
|---|---|
| bounds | Impose des contraintes de limites simples sur les estimations des paramètres. |
| class | Spécifie les variables de classification utilisées dans l'analyse. |
| display | Spécifie la liste des tableaux d'affichage que l'action doit créer. Si ce paramètre n'est pas spécifié, tous les tableaux sont créés. |
| freq | Spécifie la variable contenant la fréquence des observations. |
| includeinternalnames | Si défini sur Vrai, ajoute une colonne supplémentaire au tableau des estimations des paramètres indiquant les noms internes. |
| initialvalues | Spécifie les valeurs initiales pour les paramètres du modèle. |
| model | Définit le modèle de frontière de production stochastique, incluant les variables dépendantes, les effets (variables explicatives) et les options du modèle (type de distribution, etc.). |
| optimizer | Spécifie les paramètres contrôlant divers aspects du processus d'optimisation non linéaire (technique, critères de convergence, etc.). |
| output | Spécifie les détails pour la création d'une table de données de sortie contenant des scores et statistiques (valeurs prédites, résidus, efficacité technique). |
| outputTables | Spécifie la liste des tableaux d'affichage à sauvegarder sous forme de tables CAS. |
| restrictions | Spécifie des restrictions linéaires à imposer sur les estimations des paramètres. |
| table | Spécifie la table de données d'entrée à analyser. |
| tests | Spécifie des hypothèses linéaires sur les paramètres de régression et les tests à effectuer sur ces hypothèses (Wald, multiplicateur de Lagrange, rapport de vraisemblance). |
| weight | Spécifie la variable de pondération des observations. |
Génération d'un jeu de données simulé représentant une fonction de production Cobb-Douglas avec des entrées logarithmiques (Capital, Travail) et une inefficacité technique.
| 1 | |
| 2 | DATA casuser.production_data; |
| 3 | call streaminit(12345); |
| 4 | DO i = 1 to 200; |
| 5 | log_K = rand('Normal', 10, 1); |
| 6 | log_L = rand('Normal', 5, 0.5); |
| 7 | v = rand('Normal', 0, 0.1); |
| 8 | u = abs(rand('Normal', 0, 0.2)); |
| 9 | log_Y = 1 + 0.7*log_K + 0.3*log_L + v - u; |
| 10 | OUTPUT; |
| 11 | END; |
| 12 | |
| 13 | RUN; |
| 14 | |
| 15 | PROC CASUTIL; |
| 16 | load |
| 17 | DATA=casuser.production_data casout="production_data" replace; |
| 18 | |
| 19 | RUN; |
| 20 |
Estimation d'un modèle de frontière de production stochastique utilisant les variables logarithmiques du capital et du travail pour expliquer la production.
| 1 | |
| 2 | PROC CAS; |
| 3 | frontier.frontierProd TABLE={name="production_data"} model={depVars={{name="log_Y"}}, effects={{vars={"log_K", "log_L"}}}}; |
| 4 | |
| 5 | RUN; |
| 6 |
Estimation d'un modèle spécifiant une distribution 'HALF' (demi-normale) pour le terme d'inefficacité, et création d'une table de sortie contenant l'efficacité technique estimée (TE1) et les résidus.
| 1 | |
| 2 | PROC CAS; |
| 3 | frontier.frontierProd TABLE={name="production_data"} model={depVars={{name="log_Y"}}, effects={{vars={"log_K", "log_L"}}}, modelOptions={type="HALF"}} OUTPUT={casOut={name="efficiency_scores", replace=true}, te1="tech_efficiency", resid="residuals"}; |
| 4 | |
| 5 | RUN; |
| 6 |