Generalized AKM: Flexible Controls and Interactions in Wage Decompositions
广义 AKM：工资分解中的灵活控制与交互作用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：摘要研究雇主雇员数据中劳动者与企业的大量固定效应及 AKM 方差分解，最直接关联微观面板方法。
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…
广义 AKM：工资分解中的灵活控制与交互作用
- 研究问题
- 工资分散归于劳动者、企业和匹配排序的比例，如何受到协变量调整方式影响，能否在保留原有方差分量时放宽线性限制？
- 方法与思路
- 作者在 AKM 框架中引入未知光滑协变量函数和组别特定的非线性交互，研究异方差与大量固定效应下的估计性质。
- 材料陈述的贡献
- 摘要称，作者证明一致性和渐近正态性，并在葡萄牙雇主雇员数据中发现，控制变量选择对企业方差和排序尤其重要。
- 阅读关注点
- 应核对劳动者与企业效应的识别、光滑度和基函数增长条件，以及二次型偏差校正与不同控制设定的可比性。
- 阅读边界
- 所据为 arXiv 预印本，不能确认同行评审或期刊接收；摘要未给出完整识别与光滑度条件，应用中的分量变化不能直接解释为因果效应。
原文摘要
How much wage dispersion is attributed to workers, firms, and their sorting depends on how wages are adjusted for observed characteristics. Standard AKM decompositions impose a known linear adjustment. We develop Generalized AKM, a framework that permits an unknown smooth covariate function and group-specific nonlinear interactions while preserving the original variance components. We prove consistency and asymptotic normality with heteroskedastic errors and many fixed effects, and characterize the stronger smoothness required for quadratic forms. In Portuguese employer-employee data, adding worker and firm-input controls lowers the bias-corrected worker-effect variance from $0.551$ to $0.474$ of total wage variance, firm-effect variance from $0.144$ to $0.121$, and sorting from $0.080$ to $0.047$. Across three group-specific nonlinear bases, firm-effect variance remains between $0.114$ and $0.117$ and sorting between $0.041$ and $0.042$, while worker-effect variance ranges from $0.474$to $0.491$. Which controls enter matters more for firm variance and sorting than how flexibly they enter; worker variance remains more sensitive to the basis.