全要素生产率(ACF法)
「全要素生产率(ACF法)」，覆盖 2001-2025 年，频率 年度，上市公司层级，含 17 个变量，样本量约 85,607。 衡量企业的全要素生产率。
| 时间跨度 | 2001-2025 年 |
|---|---|
| 数据频率 | 年度 |
| 层级 | 上市公司 |
| 变量数 | 17 |
| 样本量 | 85,607 |
| 是否可合并 | 可与同主体数据集合并 |
字段字典
- Symbol [股票代码] — 6位股票代码
- StkName [股票名称] — 上市公司简称
- Year [年份] — 财务年度
- Province [省份] — 公司注册所在省份
- ProvinceCode [省份代码] — 省份行政区划代码(6位)
- City [城市] — 公司注册所在城市
- CityCode [城市代码] — 城市行政区划代码(6位)
- County [区县] — 公司注册所在区县
- CountyCode [区县代码] — 区县行政区划代码(6位)
- IndustryCode [行业代码] — 中上协行业分类代码
- IndustryName [行业名称] — 中上协行业分类名称
- lnY [总产出对数] — 计算公式为: ln(营业收入)
- lnK [资本投入对数] — 计算公式为: ln(固定资产净额)
- lnL [劳动投入对数] — 计算公式为: ln(支付给职工及为职工支付的现金)
- lnM [中间投入对数] — 计算公式为: ln(营业成本+销售费用+管理费用+财务费用-折旧摊销-支付给职工的现金)
- TFP_ACF_CD [ACF法全要素生产率(CD)] — 参考Ackerberg, Caves & Frazer (2015, Econometrica)的ACF两阶段GMM方法，采用Cobb-Douglas生产函数形式，按中上协行业分组分别估计生产函数系数，计算公式为: TFP=Phi_hat-beta_l*lnL-beta_k*lnK-beta_m*lnM。用作研究变量，越大代表企业全要素生产率越高
- TFP_ACF_TL [ACF法全要素生产率(TL)] — 参考Ackerberg, Caves & Frazer (2015, Econometrica)的ACF两阶段GMM方法，采用超越对数(Translog)生产函数形式，按中上协行业分组分别估计。用作稳健性检验变量，越大代表企业全要素生产率越高
常见问题
- 「全要素生产率(ACF法)」是什么数据集？
- 全要素生产率(ACF法)，隶属经营绩效。衡量企业的全要素生产率。
- 该数据集的时间范围是？
- 覆盖 2001-2025 年。
- 包含哪些变量/指标？
- 共 17 个变量。核心指标包括：总产出对数、资本投入对数、劳动投入对数、中间投入对数、ACF法全要素生产率(CD)、ACF法全要素生产率(TL)。完整字段清单（变量名·中文名·说明）见页面「字段字典」。
- 数据频率和层级是怎样的？
- 频率为年度，上市公司层级。
- 样本量有多大？
- 约 85,607 条观测。
- 数据是如何测算/获取的？
- 指标定义与计算方法 全要素生产率（TFP）衡量企业在给定资本、劳动和中间投入组合下，将投入转化为产出的效率，是驱动长期经济增长的核心因素。传统的OLS估计方法可能因同时性偏差和样本选择偏差导致估计偏误。为克服这些问题，Ackerberg, Caves & Frazer (2015) 提出了ACF方法，该方法修正了LP/OP方法中存在的劳动投入函数依赖问题，通过两阶段广义矩估计（GMM）来一致地估计生产函数系数，进而计算全要素生产率。 首先，需要定义生产函数的基本投入与产出变量。总产出（$Y$）以营业收入衡量；资本投入（$K$）以固定资产净额衡量；劳动投入（$L$）以支付给职工及为职工支付的现金衡量；中间投入（$M$）则通过调整营业成本及期间费用计算，具体为营业成本、销售费用、管理费用与财务费用之和，再减去折旧摊销以及已计入劳动投入的支付给职工的现金部分。所有投入产出变量均取自然对数，得到$lnY$、$lnK$、$lnL$和$lnM$。 ACF方法的核心在于估计生产函数。本数据集支持两种函数形式：Cobb-Douglas（CD）形式和超越对数（Translog, TL）形式。估计过程按中上协行业分类（制造业取二级代码前两位，其他行业取门类首位）分组进行，以控制行业间的技术异质性。在Cobb-Douglas形式下，第一阶段回归得到一个关于投入的非参数函数$\Phi(lnL{it}, lnK{it}, lnM{it})$的估计值$\hat{\Phi}{it}$。在第二阶段，利用$\hat{\Phi}{it}$与投入变量的一阶滞后项作为工具变量，通过GMM估计生产函数的系数$\betal$、$\betak$和$\betam$。超越对数形式的生产函数包含了投入变量的二次项和交叉项，估计逻辑类似但更为复杂。 最终，全要素生产率（TFP）由第一阶段估计的$\hat{\Phi}{it}$减去各投入的估计贡献得到。对于Cobb-Douglas生产函数，其计算公式为： $$TFP\ACF\CD{it} = \hat{\Phi}{it} - \hat{\beta}l lnL{it} - \hat{\beta}k lnK{it} - \hat{\beta}m lnM{it}$$ 对于超越对数生产函数，计算原理相同，但需减去所有一次项、二次项及交叉项的估计贡献，得到$TFP\ACF\TL$。两个指标值越大，均代表企业的全要素生产率越高，其中$TFP\ACF\CD$为主要研究变量，$TFP\ACF\TL$常用于稳健性检验。 补充说明 - 样本处理包含对主要连续变量（$lnY$, $lnK$, $lnL$, $lnM$）在1%和99%分位数上进行缩尾处理，以缓解极端值的影响。 - 为进行有效的面板数据模型估计，要求每家公司在样本期内至少存在三个连续年度的观测值。 - 行业分组估计时，要求每个行业-年份组合内有足够数量的公司以满足模型识别要求。 参考文献 [1]Ackerberg D A, Caves K, Frazer G. Identification properties of recent production function estimators[J]. Econometrica, 2015, 83(6): 2411-2451. [2]De Loecker J, Warzynski F. Markups and firm-level export status[J]. American Economic Review, 2012, 102(6): 2437-2471.
- 如何获取该数据集？
- 通过站内对应淘宝链接下单后，客服发放兑换码；在站内"兑换"页输入兑换码即可获得下载权益并下载。