Are Productive People to Be Found? Robust Analysis of Sparse Two-Way Tables
能识别高生产率工人吗？稀疏双向表的稳健分析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：摘要核心是工人—任务稀疏双向表；周度记录和网络评分不足以确定面板模型或网络干扰研究。
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…
关注这篇论文的作者
能识别高生产率工人吗？稀疏双向表的稳健分析
- 研究问题
- 当工人与任务形成稀疏双向表、不同工人可能没有共同任务时，如何调整任务差异以比较个人生产表现？
- 方法与思路
- 作者提出表条带回归、矩形比率和网络评分三种技术，并使用一家大型工业企业的工人、任务及周度生产记录作示例。
- 材料陈述的贡献
- 摘要提供三种稀疏双向表分析方案，并以实际生产数据说明应用，强调比较工人时调整任务效应的必要性。
- 阅读关注点
- 核对三种技术如何连接没有共同任务的工人、怎样调整任务效应，以及稳健性的具体含义和方法之间的比较标准。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；任务分配机制、连通条件及比较结果未说明，不能将工人差异解释为因果生产率效应。
原文摘要
Data from individual measurements of production in a manufacturing environment may be thought of as a two-way table indexed by worker and task. If there are many tasks, such a table will normally be sparse. Adjustment for task effects is important if workers are to be compared to one another, since any two workers may have no tasks in common. Three techniques are presented for the analysis of such sparse tables: table-stripe regression, rectangle ratios, and network scores. These techniques are illustrated on data from a large industrial concern, where 6,846 person—task—weeks of data on 479 workers and 678 tasks were collected as part of an ongoing group incentive plan.