全要素生产率(OLS与FE法)
「全要素生产率(OLS与FE法)」，覆盖 2001-2025 年，频率 年度，上市公司层级，含 13 个变量，样本量约 83,864。 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 | 13 |
| 样本量 | 83,864 |
| 是否可合并 | 可与同主体数据集合并 |
字段字典
- Symbol [股票代码] — 股票代码
- StkName [证券简称] — 证券简称
- 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
- TFP_OLS [OLS法TFP] — 参考Solow (1957)的方法，按行业-年度OLS回归ln(Y)=alpha*ln(K)+beta*ln(L)+epsilon的残差epsilon
- TFP_FE [固定效应TFP] — 参考Solow (1957)的方法，控制企业固定效应后的残差，计算公式为：ln(Y)-alpha_FE*ln(K)-beta_FE*ln(L)
常见问题
- 「全要素生产率(OLS与FE法)」是什么数据集？
- 全要素生产率(OLS与FE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 13 个变量。核心指标包括：OLS法TFP、固定效应TFP。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 83,864 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和劳动投入下，产出中无法被要素投入解释的部分，反映了技术进步、管理效率等无形要素的贡献。本数据集采用四种主流计量经济学方法进行估计，以应对传统OLS估计可能存在的内生性偏误（如同时性偏差和样本选择偏差）。所有方法均基于Cobb-Douglas生产函数框架，其基本形式为： $$Y{it} = A{it} K{it}^{\alpha} L{it}^{\beta}$$ 其中，$Y{it}$为企业$i$在$t$期的产出，通常以营业收入度量；$K{it}$为资本投入，以固定资产净额度量；$L{it}$为劳动投入，优先使用员工总数度量，当该数据缺失时，使用人工成本作为代理变量；$A{it}$即为全要素生产率。 OLS法与固定效应（FE）法是基准估计方法。OLS法通过分年度、分行业（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）对上述生产函数的对数形式进行回归，将回归残差视为TFP的估计值。固定效应法则在回归中控制企业个体固定效应，以捕捉不随时间变化的企业异质性。两种方法下，TFP的计算公式分别为： $$TFP\OLS{it} = \ln(Y{it}) - \hat{\alpha}{jt} \ln(K{it}) - \hat{\beta}{jt} \ln(L{it})$$ $$TFP\FE{it} = \ln(Y{it}) - \hat{\alpha}i \ln(K{it}) - \hat{\beta}i \ln(L{it})$$ 其中，$\hat{\alpha}{jt}$和$\hat{\beta}{jt}$为行业$j$在年度$t$的OLS回归系数，$\hat{\alpha}i$和$\hat{\beta}i$为企业$i$的固定效应模型估计系数。 OP法与LP法是解决内生性问题的半参数方法。Olley & Pakes (1996)提出使用投资作为生产率的代理变量，以控制同时性偏差，并利用生存概率来纠正样本选择偏差（如企业退出）。Levinsohn & Petrin (2003)则提出使用中间投入（如购买商品、接受劳务支付的现金）作为代理变量，其数据可得性通常优于投资。两种方法均采用两步估计程序：第一步通过非参数回归将生产率表示为资本、劳动及代理变量的函数，以识别劳动投入的系数；第二步利用生产率的假定演化过程（一阶马尔可夫过程）来识别资本投入的系数，并最终计算出全要素生产率$TFP\OP$和$TFP\LP$。Ackerberg, Caves & Frazer (2015)的方法进一步改进了劳动投入系数的识别。 补充说明 - 样本处理：估计过程要求企业产出、资本和劳动投入数据完整。为排除异常值影响，所有连续变量在行业-年度层面进行了1%和99%分位数的缩尾处理。 - 行业分类：为控制行业技术差异，OLS法的回归及所有方法的变量缩尾处理均按中上协行业分类进行（制造业取二级代码前两位，其他行业取门类首位）。 - 劳动投入代理：优先使用员工总数（TotalEmployees）作为劳动投入的度量。当该数据缺失时，使用人工成本（LaborCost）作为代理变量。 参考文献 - Olley G S, Pakes A. The dynamics of productivity in the telecommunications equipment industry[J]. Econometrica, 1996, 64(6): 1263-1297. - Levinsohn J, Petrin A. Estimating production functions using inputs to control for unobservables[J]. The Review of Economic Studies, 2003, 70(2): 317-341. - Ackerberg D A, Caves K, Frazer G. Identification properties of recent production function estimators[J]. Econometrica, 2015, 83(6): 2411-2451. - Solow R M. Technical change and the aggregate production function[J]. The Review of Economics and Statistics, 1957, 39(3): 312-320.
- 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。