Production Function Estimation With Resource Misallocation
资源错配下的生产函数估计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：摘要研究生产函数系数的结构识别，并使用中国制造业企业面板进行估计。
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…
关注这篇论文的作者
资源错配下的生产函数估计
- 研究问题
- 企业特有的未观测扭曲造成资源错配时，代理变量生产函数估计为何失去一致性，又能否在不依赖原有关键假设下识别生产系数？
- 方法与思路
- 作者分析扭曲对标量不可观测性与严格单调性的破坏，提出不依赖这两项假设的识别策略，并考察冲击序列相关、模拟和中国企业面板。
- 材料陈述的贡献
- 摘要称新策略适用于多种扭曲和生产函数形式；模拟支持其表现，中国制造业应用发现错配较低时代理变量估计与新方法更接近。
- 阅读关注点
- 应核对替代识别条件及可容纳的扭曲范围、意外生产率冲击的序列相关扩展，以及国有企业占比作为行业错配代理的合理性。
- 阅读边界
- 仅依据给定 Crossref 版本摘要。新识别策略的具体限制和模拟数值未说明，国企占比也只是所用代理，不能直接视为错配的准确度量。
原文摘要
ABSTRACT We show that the proxy variable method fails to yield consistent estimates of production function coefficients in the presence of resource misallocation. This failure arises because unobserved firm‐specific distortions violate the assumptions of scalar unobservability and strict monotonicity. We propose a novel identification strategy that does not rely on these assumptions. Our method is robust to various distortions and production function specifications, and can be extended to accommodate serial correlation in unexpected productivity shocks. Monte Carlo experiments confirm the efficacy of our approach in consistently estimating production function coefficients under resource misallocation. Using a large panel of Chinese manufacturing firms—and employing the share of state‐owned firms as a proxy for industry‐level resource misallocation—we find that estimates obtained via the proxy variable method more closely align with those from our proposed approach when resource misallocation is reduced.