In this paper, based on the cumulative distribution function (CDF) method (Jradi et al., 2021) for finding the optimal quantile when estimating stochastic frontier models (SFM) with normal–exponential composite error term, we derive an expression to find the optimal quantile for the SFM with normal–half normal composite error term. We then use Monte-Carlo simulations and the same data set as Jradi et al. (2019) to compare the difference of iteration method (Jradi et al., 2019) and CDF method for the SFM with normal–half normal specification. The simulations and empirical application illustrate that both methods work well.

在本文中，基于累积分布函数 (CDF) 方法（Jradi 等人，2021）在使用正态指数复合误差项估计随机前沿模型 (SFM) 时寻找最佳分位数，我们推导出一个表达式来找到具有正态-半正态复合误差项的 SFM 的最佳分位数。然后我们使用蒙特卡罗模拟和与 Jradi 等人相同的数据集。(2019) 比较迭代方法 (Jradi et al., 2019) 和 CDF 方法的差异，用于具有正态-半正态规范的 SFM。模拟和实证应用表明这两种方法都运行良好。