ينبغي تفسير أي اضطراب أو خطأ لا يساوي صفرًا، كنتيجة لعدم الكفاءة. ووفق هذا المنطق تكون عدم الكفاءة أحادية الجانب ولا يمكن أن تكون سالبة وبهذا يتم فصل عدم الكفاءة (الانحرافات النظامية) عن الخطأ العشوائي وفقا لما يلي:

حيث:

= حد عدم الكفاءة (توزيع نصف طبيعي) .

= حد الخطأ العشوائي يتبع التوزيع الطبيعي بمتوسط صفر وتباين.

= أسعار المدخلات و = مقادير المخرجات.

إن حد خطأ أحادي الجانب يطرح مشكلة تقدير معقدة، فأي خطأ قياس في ln يكون ضمنيا في هذا الحد. ومن الاقتراحات حول توزيع عدم الكفاءة، التوزيع نصف الطبيعي ... (half normal) ، والذي سيتم استخدامه في هذه الدراسة لفصل عدم الكفاءة عن الخطأ العشوائي ضمن الخطأ المركب والمفترض من قبل SFA. وبالرغم من الاستخدام الواسع للمقدرات شبه المعلمية وغير المعلمية، فإن مقدر (ML) Maximum likelihood يبقى هو المقدر المفضل لتقديرات نقاط عدم الكفاءة في الكثير من الحالات، ويعتبر أكثر كفاءة من طريقة المربعات الصغرى (LS) Least Squares (Greene, 2003, P. 503) . وفي مثل حالة SFA ونموذج نصف طبيعي تكون The log likelihood function كما يلي:

حيث:

وفق SFA تقدر لكل بنك في العينة ومقارنتها على أساس كفاءتهم، ولسوء الحظ لا تسمح البيانات بإجراء تقدير مباشر، وحتى مع توفر تقديرات نستطيع فقط إجراء التقدير المباشر. إلى أن تمكن Jondrow et al. (1982) من اشتقاق مقياس معياري لحساب نقاط عدم الكفاءة (Greene, 2003, P. 504) ، وبين أنه في حالة التوزيع نصف الطبيعي، فإن متوسط التوزيع المشروط، يكون وفقا للمعادلة التالية: