Job Durations With Worker- and Firm-Specific Effects: MCMC Estimation With Longitudinal Employer–Employee Data
雇员与企业特定效应下的工作持续期：基于雇主—雇员纵向数据的 MCMC 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：摘要明确使用雇主—雇员纵向匹配数据，并建模雇员与企业层面的未观测效应，直接对应微观面板数据方向。
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…
雇员与企业特定效应下的工作持续期：基于雇主—雇员纵向数据的 MCMC 估计
- 研究问题
- 工作持续期的差异有多少可由雇员和企业各自的未观测特征解释？这两类特征是否相关，又如何在雇主—雇员匹配纵向数据中区分其贡献？
- 方法与思路
- 作者构建含雇员与企业两层随机效应的多变量风险率模型，允许二者相关，并以葡萄牙雇主—雇员纵向匹配数据进行贝叶斯 MCMC 估计。
- 材料陈述的贡献
- 摘要称，未观测企业特征解释了对数工作持续期系统性变异的近40%，雇员与企业的未观测特征呈正相关；模型可分解两者的相对贡献。
- 阅读关注点
- 重点核对持续期与删失的处理、雇员流动如何连接不同企业、两层随机效应的相关结构，以及方差分解口径和 MCMC 收敛诊断。
- 阅读边界
- 摘要称相关效应设定主要适用于小企业市场，但未说明删失处理与相关性识别条件；方差分解不能据此解释为企业特征的因果影响。
原文摘要
We study job durations using a multivariate hazard model allowing for worker-specific and firm-specific unobserved determinants. The latter are captured by unobserved heterogeneity terms or random effects, one at the firm level and another at the worker level. This enables us to decompose the variation in job durations into the relative contribution of the worker and the firm. We also allow the unobserved terms to be correlated in a model that is primarily relevant for markets with small firms. For the empirical analysis, we use a Portuguese longitudinal matched employer–employee dataset. The model is estimated with a Bayesian Markov chain Monte Carlo (MCMC) estimation method. The results imply that unobserved firm characteristics explain almost 40% of the systematic variation in log job durations. In addition, we find a positive correlation between unobserved worker and firm characteristics.