Production function estimation using subjective expectations data
利用主观预期数据估计生产函数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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要直接研究生产函数参数及企业生产率的估计，最相关的是结构估计；使用面板数据比较并不改变其主要方法定位。
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…
利用主观预期数据估计生产函数
- 研究问题
- 如何利用企业对未来产出和投入的主观预期，在放松传统代理变量法投入需求假设的同时，一致估计生产函数参数？
- 方法与思路
- 作者提出使用企业预期数据的估计方法，可在单期横截面上实施，并通过蒙特卡洛模拟及英国企业面板数据比较不同估计器。
- 材料陈述的贡献
- 摘要称，投入选择存在优化误差时，该方法在模拟中表现更好；其参数估计也使持久生产率差异解释的企业间全要素生产率离散份额更大。
- 阅读关注点
- 应核对预期数据如何进入识别、允许哪些投入选择误差，以及一致性所需条件；同时检查生产率分解和英国行业比较的具体实现。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未经核实；摘要未说明预期测量误差的处理及具体识别条件，不能据此认定普遍优于其他方法。
原文摘要
Standard proxy methods for estimating production functions in the \Olley and Pakes (1996) tradition require assumptions on input choices. We introduce a new method that exploits (increasingly available) data on firms' expectations of their future output and inputs that allows us to obtain consistent production function parameter estimates while relaxing these input demand assumptions. In contrast to both proxy and dynamic panel methods like Blundell and Bond (2000), our proposed estimator can be implemented on a single cross-section of data and Monte Carlo simulations show it outperforms alternative estimators when firms' material input choices are subject to optimization error. Implementing a range of production function estimators on UK panel data, we find our proposed estimator yields results that are either similar to or more credible than commonly-used alternatives. These differences are larger in industries where material inputs appear harder to optimize. We show that the share of cross-firm TFP dispersion accounted for by persistent productivity differences is substantially larger when calculated using parameter estimates from our proposed estimator.