Measuring and Decomposing Productivity Change
生产率变化的测度与分解AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：研究以生产技术、投入距离前沿及规模报酬为核心建模对象，并据此估计生产率变化，对应生产结构估计。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
生产率变化的测度与分解
- 研究问题
- 如何测量并分解生产率变化，同时放松传统 Malmquist 指数构建参考技术时的规模报酬不变限制，并容许投入或产出具有内生性？
- 方法与思路
- 作者以随机投入距离前沿估计生产率变化，不限制规模报酬；推导与传统指数相对应的分解，并构建允许投入或产出内生的广义矩估计策略。
- 材料陈述的贡献
- 摘要提出无需限制规模报酬的随机前沿测度、相应生产率分解及容许内生投入或产出的广义矩估计，并报告电力公用事业应用中的方法比较。
- 阅读关注点
- 应核对生产率分解各项的经济含义、随机前沿中的误差与无效率设定、内生变量所需矩条件，以及电力企业比较使用的数据和评价指标。
- 阅读边界
- 摘要未交代有效矩条件的具体构造、生产技术识别要求或应用比较的结果，因此无法判断两种方法的数值差异和适用边界。
原文摘要
Measuring productivity change with Malmquist indices has become common practice, because they are easily computed using nonparametric programming techniques and can be readily decomposed into technical and efficiency change. However, this approach is nonstochastic and requires a constant returns to scale assumption to construct the reference technology. We propose estimating productivity change using a stochastic input distance frontier, imposing no restrictions on returns to scale. We derive the analogous decomposition of productivity change and develop a generalized method of moments strategy in which outputs or inputs may be endogenous. We compare two methods in an application to electric utilities.