MATERIALS AND METHODSStochastic Pro

MATERIALS AND METHODS
Stochastic Production Frontier and Inefficiency Analysis To study the determinants of TE we used the SPF methodology developed by Aigner et al. (1977). The SPF method is based on an econometric (i.e., parametric) specification of a production frontier. Using a generalized production function and cross-sectional
data, this method can be depicted as follows:
yi = f (xij ;β) ⋅ exp(εi ), [1]
where y represents output, x is a vector of inputs, β is a vector of unknown parameters, and ε is the error term. The subscripts i and j denote the farm and inputs,
respectively.
In this specific formulation, the error term is farmspecific and is composed of 2 independent components, εi = vi – ui. The first element, vi, is a random variable
reflecting noise and other stochastic shocks entering into the definition of the frontier, such as weather, luck, strikes, and so on. This term is assumed to be an independent and identically distributed normal random variable with 0 mean and constant variance iid

The second component, ui, captures technical inefficiency (TI) relative to the stochastic frontier. The inefficiency term ui is nonnegative and it is assumed
to follow a half-normal distribution (Kumbhakar and Lovell, 2000). An index for TE can be defined as the ratio of the observed output (y) and maximum feasible output (y*):
TE;
Because y is always ≤y*, the TE index is bounded between 0 and 1; TE achieves its upper bound when a dairy farm is producing the maximum output feasible level (i.e., y = y*), given the input quantities. Jondrow et al. (1982) demonstrated that farm-level TE can be calculated from the error term εi as the expected value of −ui conditional on εi , which is given by Ε

where σ2 = σ2 +σ2 u v, λ = σ σ u v / , f(·) represent the standard normal density and F(·) the standard normal cumulative density functions. The maximum likelihood
estimation of Eq. [1] provides estimators for the variance parameters σu
2 and σv 2. Thus, the TE measure for each farm is equal to

Caudill et al. (1995) extended this framework to analyze the extent to which certain variables influence the inefficiency term ui. Specifically, these authors developed
a model in which the determinants of inefficiency are evaluated using a multiplicative heteroscedasticity framework. That is,

where Zmi is a vector of farm-management strategies that explain inefficiency and α are unknown parameters. Given that the inefficiency is assumed to follow
a half-normal distribution, a decrease in the variance will lead to increments in the efficiency level. In this approach, the parameters for the production frontier
and for the inefficiency model are estimated jointly using the maximum likelihood technique (Caudill et al., 1995).

Empirical Model
The empirical analysis is based on the estimation of a Cobb-Douglas production function in which both the output and inputs are expressed in logarithmic form.
Hence, the estimated coefficients reflect the output elasticities (Kumbhakar and Lovell, 2000). It is important to indicate that preliminary comparisons led to
the rejection of the translog functional form. In this model, the dependent variable is the total milk production sold (kg). Based on the literature and
the data available, our empirical model included the following 6 inputs: cow, defined as the number of adult cows in the herd; feed, defined as the total cost of purchased
feedstuffs (US $); capital, defined as 5% of the value of land used plus building depreciation to 15 yr of useful life; crop, defined as the total expenses related to
crop production measured (US $; i.e., chemicals, fertilizers lime, seeds and plant purchases, machinery depreciation, machinery hire expenses, machinery repair,
fuel and oil expenses); labor, defined as the total labor including family and hired labor measured (US $); and, livestock, which includes breeding expenses, veterinary
and medicines and other livestock expenses (US $). In addition, to account for differences in production based on the use of growth hormones we included the control
variable bST, which is defined as the percentage of the cows under bST treatment.
As indicated, SPF also allows for a unified analysis of inefficiency effects. The variables included in the inefficiency model were milking system, a set of dummy
variables representing each alternative system; namely, flat barn, pit parlor and pipeline (pipeline was the omitted variable); housing, a dummy variable equals 1
for farms that use freestall housing; milking frequency, a dummy variable equals 1 for the farms with a milking frequency equal to 2; and, family labor, the ratio of
family labor to total labor measured (US $). Finally, to study the effect of intensification on efficiency, we included 3 additional variables: feed/cow, defined as the ratio of purchased feedstuffs to the number of cows (a similar approach can be found in Alvarez et al., 2008 and Kompas and Chu, 2006); TMR, a dummy variable
equal to 1 for the farm that uses the TMR feeding system; and pasture, a dummy variable equal to 1 for farms that use pasture feeding systems. This last variable was
included to measure the effect of extensive production on TE. Table 1 presents descriptive statistics for all the variables included in the analysis.
Data The data used in this study consisted of detailed farm-level information for dairy farms participating in the Agriculture Financial Advisor (AgFA) program
managed by the Center for Dairy Profitability at the University of Wisconsin-Madison. The aim of the AgFA program is to collect, analyze and store high quality
financial and production information for dairy farms in the State of Wisconsin. More information on the AgFA program can be found at http://cdp.wisc.edu/AgFA.
htm.
The empirical sample included 273 dairy farms, and the collected information corresponded to the 2007 agricultural year. The dairy farms in the sample were
highly specialized with most of their output coming from dairy sales. All farms were located in Wisconsin, which has traditionally been one of the top states
in terms of milk production and dairy farming in the United States.

Results (Indonesian) 1:

bahan dan metode stochastic frontier
produksi dan analisis inefisiensi untuk mempelajari faktor-faktor penentu te kami menggunakan metodologi yang dikembangkan oleh spf Aigner et al. (1977). metode spf didasarkan pada ekonometrik (yaitu, parametrik) spesifikasi perbatasan produksi. menggunakan fungsi produksi umum dan cross-sectional
data, metode ini dapat digambarkan sebagai berikut:
yi = f (xij;β) ⋅ exp (εi), [1]
di mana y merupakan output, x adalah vektor input, β adalah vektor dari parameter yang tidak diketahui, dan ε adalah error term. subskrip i dan j menunjukkan pertanian dan masukan,

masing-masing dalam formulasi spesifik ini, istilah kesalahan farmspecific dan terdiri dari 2 komponen independen, εi = vi -. ui. elemen pertama, vi, adalah variabel random
mencerminkan kebisingan dan guncangan stochastic lainnya masuk ke definisi perbatasan, seperti cuaca, keberuntungan, pemogokan, dan sebagainya. istilah ini dianggap variabel random yang normal independen dan terdistribusi secara identik dengan 0 mean dan varians konstan iid

komponen kedua, ui, menangkap inefisiensi teknis (ti) relatif terhadap frontier stokastik.ui istilah inefisiensi adalah nonnegatif dan diasumsikan
mengikuti setengah normal distribusi (kumbhakar dan lovell, 2000). indeks untuk te dapat didefinisikan sebagai rasio output diamati (y) dan output layak maksimum (y *):
te;
karena y selalu ≤ y *, indeks te dibatasi antara 0 dan 1; te Mencapai yang atas terikat ketika peternakan sapi perah memproduksi output maksimum tingkat layak (i.e., y = y *), mengingat jumlah input. jondrow et al. (1982) menunjukkan bahwa pertanian tingkat te dapat dihitung dari εi error term sebagai nilai yang diharapkan dari-ui tergantung pada εi, yang diberikan oleh Ε

mana σ2 = σ2 σ2 uv, λ = σ σ uv /, f (·) merupakan standar kepadatan normal dan f (·) normal fungsi kepadatan kumulatif standar. kemungkinan maksimum
estimasi eq.[1] menyediakan estimator untuk parameter varians σu
2 dan σv 2. dengan demikian, ukuran te untuk setiap peternakan adalah sama dengan

Caudill et al. (1995) diperpanjang kerangka ini untuk menganalisis sejauh mana variabel-variabel tertentu mempengaruhi ui istilah inefisiensi. khusus, para penulis ini dikembangkan
model di mana faktor-faktor penentu inefisiensi dievaluasi menggunakan kerangka heteroskedastisitas perkalian. yaitu,

mana ZMI adalah vektor strategi pertanian-manajemen yang menjelaskan inefisiensi dan α adalah parameter yang tidak diketahui. mengingat bahwa inefisiensi diasumsikan mengikuti
distribusi setengah normal, penurunan varians akan menyebabkan kenaikan dalam tingkat efisiensi.dalam pendekatan ini, parameter untuk perbatasan produksi
dan untuk model inefisiensi diperkirakan bersama-sama menggunakan teknik maximum likelihood (Caudill et al., 1995).


model empiris analisis empiris didasarkan pada estimasi dari cobb- fungsi produksi douglas di mana kedua output dan input dinyatakan dalam bentuk logaritma.
karenanya,koefisien estimasi mencerminkan elastisitas keluaran (kumbhakar dan lovell, 2000). penting untuk menunjukkan bahwa perbandingan awal menyebabkan
penolakan dari bentuk fungsional translog. dalam model ini, variabel dependen adalah total produksi susu yang dijual (kg). berdasarkan literatur dan
data yang tersedia, model empiris kami termasuk 6 input berikut: sapi,didefinisikan sebagai jumlah sapi dewasa dalam kawanan, pakan, didefinisikan sebagai total biaya pembelian bahan pakan
(us $), modal, yang didefinisikan sebagai 5% dari nilai tanah yang digunakan ditambah penyusutan bangunan sampai 15 tahun masa pakainya; tanaman , didefinisikan sebagai total biaya yang terkait dengan produksi tanaman diukur
(us $, yaitu, bahan kimia, pupuk kapur, bibit dan pembelian pabrik, mesin penyusutan,Biaya menyewa mesin, mesin perbaikan,
bahan bakar dan biaya minyak), tenaga kerja, yang didefinisikan sebagai jumlah tenaga kerja termasuk keluarganya dan tenaga kerja upahan diukur (us $), dan, ternak, yang meliputi biaya pembibitan, hewan
dan obat-obatan dan biaya ternak lainnya ( us $). di samping itu, untuk memperhitungkan perbedaan dalam produksi berdasarkan penggunaan hormon pertumbuhan kita termasuk kontrol
variabel bst,yang didefinisikan sebagai persentase sapi dengan perlakuan bst.
seperti yang ditunjukkan, spf juga memungkinkan untuk analisis terpadu efek inefisiensi. variabel termasuk dalam model inefisiensi yang memerah sistem, satu set boneka
variabel yang mewakili setiap sistem alternatif, yaitu gudang datar, lubang ruang tamu dan pipa (pipa adalah variabel dihilangkan), perumahan, variabel dummy sama dengan 1
untuk pertanian yang menggunakan perumahan freestall, frekuensi pemerahan, variabel dummy sama dengan 1 untuk pertanian dengan frekuensi pemerahan sama dengan 2, dan, tenaga kerja keluarga, rasio
tenaga kerja keluarga untuk jumlah tenaga kerja yang diukur (us $). akhirnya, untuk mempelajari pengaruh intensifikasi pada efisiensi, kami termasuk 3 variabel tambahan: pakan / sapi,didefinisikan sebagai rasio bahan pakan yang dibeli dengan jumlah sapi (. pendekatan yang sama dapat ditemukan dalam alvarez et al, 2008 dan kompas dan chu, 2006); tmr, dummy variabel
sama dengan 1 untuk pertanian yang menggunakan tmr tersebut sistem makan, dan padang rumput, variabel dummy sama dengan 1 untuk pertanian yang menggunakan sistem makan padang rumput. Variabel terakhir ini
termasuk untuk mengukur efek dari produksi ekstensif te. Tabel 1 menyajikan statistik deskriptif untuk semua variabel dimasukkan dalam analisis.
data data yang digunakan dalam penelitian ini terdiri dari informasi pertanian tingkat rinci untuk peternakan sapi yang berpartisipasi dalam program (agfa)
dikelola oleh pusat untuk profitabilitas susu penasihat keuangan pertanian di universitas wisconsin-madison.tujuan dari program agfa adalah untuk mengumpulkan, menganalisis dan menyimpan kualitas tinggi
informasi keuangan dan produksi untuk peternakan sapi di negara bagian wisconsin. informasi lebih lanjut tentang program agfa dapat ditemukan di http://cdp.wisc.edu/agfa.
htm.
sampel empiris termasuk peternakan sapi 273, dan informasi yang dikumpulkan berhubungan dengan pertanian tahun 2007. peternakan susu dalam cuplikan adalah
sangat khusus dengan sebagian besar output mereka berasal dari penjualan susu. semua peternakan yang terletak di wisconsin, yang secara tradisional menjadi salah satu negara top
dalam hal produksi susu dan peternakan sapi perah di Amerika Serikat.

Results (Indonesian) 2:

METODE dan bahan
stokastik produksi perbatasan dan inefisiensi analisis untuk mempelajari faktor penentu TE kami menggunakan SPF metodologinya dikembangkan oleh Aigner et al. (1977). Metode SPF didasarkan pada ekonometrik (yaitu, parametrik) spesifikasi Frontier produksi. Menggunakan fungsi umum produksi dan salib-sectional
data, metode ini dapat digambarkan sebagai berikut:
yi = f (xij;Β) ⋅ exp (εi), [1]
mana y mewakili output, x adalah vektor input, β vektor parameter yang tidak diketahui, dan ε adalah istilah kesalahan. Subskrip i dan j menunjukkan pertanian dan masukan,
masing-masing.
dalam formulasi khusus ini, istilah kesalahan adalah farmspecific dan terdiri dari 2 komponen independen, εi = vi-ui. Elemen pertama, vi, adalah variabel acak
mencerminkan kebisingan dan guncangan lain stokastik memasuki definisi perbatasan, seperti cuaca, keberuntungan, pemogokan, dan sebagainya. Istilah ini dianggap untuk menjadi mandiri dan identik didistribusikan normal acak variabel dengan 0 berarti dan konstan varians riset

komponen kedua, ui, menangkap teknis inefisiensi (TI) relatif terhadap perbatasan stokastik. Inefisiensi istilah ui nonnegative dan diasumsikan
untuk mengikuti distribusi setengah-normal (Kumbhakar dan Lovell, 2000). Indeks untuk TE dapat didefinisikan sebagai rasio diamati output (y) dan output maksimum yang layak (y *):
TE;
karena y selalu ≤y *, indeks TE dibatasi antara 0 dan 1; TE mencapai batas atas Nya ketika peternakan sapi perah memproduksi output maksimum tingkat layak (i.e., y = y *), mengingat jumlah input. Jondrow et al. (1982) menunjukkan bahwa peternakan TE dapat dihitung dari kesalahan istilah εi sebagai nilai yang diharapkan dari −ui bergantung pada εi, yang diberikan oleh έψιλόν

mana σ2 = σ2 σ2 u v, λ = σ σ u v /, f(·) mewakili standar kepadatan normal dan F(·) fungsi standar kepadatan kumulatif normal. Kemungkinan maksimum
estimasi Eq. [1] menyediakan penduga untuk σu parameter varians
2 dan σv 2. Dengan demikian, ukuran TE untuk setiap peternakan sama dengan

Caudill et al. (1995) diperpanjang kerangka kerja ini untuk menganalisis tingkat yang variabel-variabel tertentu mempengaruhi inefisiensi istilah ui. Secara khusus, penulis ini dikembangkan
model di mana faktor penentu inefisiensi dievaluasi menggunakan kerangka kerja multiplicative heteroscedasticity. Yang

dimana Zmi adalah vektor strategi pengelolaan pertanian yang menjelaskan inefisiensi dan α adalah parameter yang tidak diketahui. Mengingat bahwa pemborosan diasumsikan untuk mengikuti
distribusi setengah-normal, penurunan varians akan mengakibatkan bertahap di tingkat efisiensi. Dalam pendekatan ini, parameter untuk perbatasan produksi
dan untuk model inefisiensi diperkirakan bersama-sama menggunakan teknik maksimum kemungkinan (Caudill et al., 1995).

Model empiris
analisis empiris didasarkan pada perkiraan Cobb-Douglas produksi fungsi di mana output dan input dinyatakan dalam bentuk logaritma.
oleh karena itu, Koefisien perkiraan mencerminkan elasticities output (Kumbhakar dan Lovell, 2000). Hal ini penting untuk menunjukkan bahwa awal perbandingan menyebabkan
penolakan bentuk fungsional translog. Dalam model ini, variabel dependen adalah produksi total susu yang dijual (kg). Berdasarkan literatur dan
data yang tersedia, model empiris kami termasuk 6 input berikut: sapi, didefinisikan sebagai jumlah dewasa sapi di kawanan; pakan, yang didefinisikan sebagai biaya total dibeli
bahan pakan (US $); modal, didefinisikan sebagai 5% dari nilai tanah yang digunakan ditambah bangunan penyusutan untuk 15 yr berguna kehidupan; tanaman, didefinisikan sebagai berkaitan dengan biaya total
produksi diukur (US $; i.e., bahan kimia, kapur pupuk, bibit dan tanaman pembelian, depresiasi mesin, tanaman Mesin Penyewaan pengeluaran, perbaikan mesin,
biaya bahan bakar dan minyak); tenaga kerja, didefinisikan sebagai tenaga kerja total termasuk keluarga dan mempekerjakan tenaga kerja diukur (US $); dan, ternak, yang mencakup pembiakan pengeluaran, hewan
dan obat-obatan dan biaya ternak lainnya (US $). Selain itu, untuk memperhitungkan perbedaan dalam produksi yang didasarkan pada penggunaan hormon pertumbuhan kami termasuk kontrol
variabel WIB, yang didefinisikan sebagai persentase sapi di bawah WIB treatment.
seperti yang ditunjukkan, SPF juga memungkinkan untuk analisis bersatu yang inefisiensi efek. Variabel-variabel yang disertakan dalam model inefisiensi itu memerah susu sistem, serangkaian dummy
variabel yang mewakili setiap sistem alternatif; yaitu, datar gudang, lubang Salon dan pipa (pipa adalah variabel dihilangkan); perumahan, Variabel dummy sama 1
untuk pertanian yang menggunakan perumahan freestall; memerah susu frekuensi, Variabel dummy sama 1 untuk pertanian dengan frekuensi memerah susu sama dengan 2; dan, keluarga tenaga kerja, rasio
keluarga tenaga kerja untuk tenaga kerja total diukur (US $). Akhirnya, untuk mempelajari pengaruh intensifikasi efisiensi, kami menyertakan 3 variabel tambahan: pakan/sapi, didefinisikan sebagai rasio bahan pakan yang dibeli dengan jumlah sapi (pendekatan serupa dapat ditemukan di Alvarez et al., 2008 dan Kompas dan Chu, 2006); TMR, Variabel dummy
sama dengan 1 untuk pertanian yang menggunakan TMR makan sistem; dan padang rumput, yang dummy variabel sama dengan 1 untuk pertanian yang menggunakan sistem makan rumput. Variabel ini terakhir adalah
termasuk untuk mengukur pengaruh luas produksi TE. Tabel 1 menyajikan statistik deskriptif untuk semua variabel yang termasuk dalam analisis
Data data yang digunakan dalam penelitian ini terdiri dari rinci informasi peternakan peternakan sapi yang berpartisipasi dalam program penasihat keuangan pertanian (AgFA)
dikelola oleh pusat untuk susu profitabilitas di University of Wisconsin-Madison. Tujuan dari AgFA program adalah untuk mengumpulkan, menganalisis dan menyimpan berkualitas tinggi
keuangan dan produksi informasi untuk peternakan sapi di negara bagian Wisconsin. Informasi lebih lanjut tentang AgFA program dapat ditemukan di http://cdp.wisc.edu/AgFA.
htm.
sampel empiris termasuk 273 peternakan sapi, dan informasi yang dikumpulkan dapat dihubungkan pertanian tahun 2007. Pertanian perah dalam sampel
sangat khusus dengan sebagian besar output mereka berasal dari penjualan susu. Semua peternakan terletak di Wisconsin, yang secara tradisional telah menjadi salah satu negara atas
produksi susu dan susu pertanian di Amerika Serikat.