Teams: Heterogeneity, Sorting, and Complementarity
团队：异质性、排序与互补性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：摘要利用个人跨期团队记录识别贡献，并估计加性与具有互补性的生产结构。
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
团队：异质性、排序与互补性
- 研究问题
- 只观察团队产出而无法直接观察个人产出时，如何量化成员贡献，并区分个体异质性、团队排序与生产互补性？
- 方法与思路
- 作者利用个体随时间跨团队工作的记录；加性生产模型采用回归，离散类型的非线性模型采用混合模型与均场变分近似。
- 材料陈述的贡献
- 摘要称可获得衡量异质性和排序贡献的无偏方差分量估计，并提出互补性模型的估计方法，应用于科研与专利产出。
- 阅读关注点
- 应核对跨团队流动提供何种识别信息、成员排序的处理、离散类型假设，以及变分近似对估计和推断的影响。
- 阅读边界
- 所据为 arXiv 预印本，不能据此确认同行评审或期刊接收；摘要未说明完整识别条件及应用数值，不能直接作因果解释。
原文摘要
How much do individuals contribute to team output? I propose an econometric framework to quantify individual contributions when only the output of their teams is observed. The identification strategy relies on following individuals who work in different teams over time. I consider two production technologies. For a production function that is additive in worker inputs, I propose a regression estimator and show how to obtain unbiased estimates of variance components that measure the contributions of heterogeneity and sorting. To estimate nonlinear models with complementarity, I propose a mixture approach under the assumption that individual types are discrete, and rely on a mean-field variational approximation for estimation. To illustrate the methods, I estimate the impact of economists on their research output, and the contributions of inventors to the quality of their patents.