Identification and Measurement of Australian Consumer Sentiment

This article was prepared by Dr L. V. Defris and J. S. McDonnell of the Institute research staff. The authors wish to thank Professor R. F. Henderson and Dr P. J. Sheehan for their helpful comments.     

Optimale Aufteilung des Stichprobenumfangs bei mehreren Merkmalen

Zusammenfassung Es wird gezeigt, daß sich das vonNeyman undTschuprow für ein einziges Merkmal gelöste Problem der optimalen Aufteilung des Stichprobenumfangs auf vorgegebene Schichten auf ein nichtlineares Programm mit linearen Restriktionen und nichtlinearer Zielfunktion zurückführen läßt. Auf Grund der Konvexitätseigenschaft der Zielfunktion ergibt sich, daß das Minimum der Zielfunktion (Minimum der Streuung des Stichprobenmittels ) stets eindeutig ist. Der beiNeyman undTschuprow mögliche Fall, daß sich in derh-ten Schicht ein Stichprobenumfang ergibt, der größer als der Umfang in der Gesamtheit ist, kann hier nicht auftreten.Durch Einführung einer verallgemeinerten Streuung wird das Problem der optimalen Aufteilung bei vorgegebener Schichtung imk-dimensionalen Merkmalsraum aufk Merkmale verallgemeinert. Es wird gezeigt, daß diese verallgemeinerte Streuung (=Zielfunktion eines nichtlinearen Programms) im allgemeinen nicht über dem ganzen konvexen Bereich der zulässigen Lösungen konvex (von unten) ist. Ein Teilbereich des zulässigen Bereichs, über dem die Zielfunktion konvex ist, wird angegeben. Schließlich werden hierzu vergleichende Ergebnisse gebracht.     

Fit performance of several programs used for non-linear least squares problems

Seven computerprograms for non-linear regression or curve fitting problems are compared. The comparison of the programs, running in different computing centra, is restricted to the fit performance. Six model functions are fitted according to the least squares criterion to data series, arising from practical work. The special least squares minimization programs turned out to be better suited for these problems than general optimizing programs.     

A Stochastic Frontier Production Function with Flexible Risk Properties

This paper considers a stochastic frontier production function which has additive, heteroscedastic error structure. The model allows for negative or positive marginal production risks of inputs, as originally proposed by Just and Pope (1978). The technical efficiencies of individual firms in the sample are a function of the levels of the input variables in the stochastic frontier, in addition to the technical inefficiency effects. These are two features of the model which are not exhibited by the commonly used stochastic frontiers with multiplicative error structures.An empirical application is presented using cross-sectional data on Ethiopian peasant farmers. The null hypothesis of no technical inefficiencies of production among these farmers is accepted. Further, the flexible risk models do not fit the data on peasant farmers as well as the traditional stochastic frontier model with multiplicative error structure.