全要素生产率(Olley-Pakes法)
「全要素生产率(Olley-Pakes法)」，覆盖 2001-2025 年，频率 年度，上市公司层级，含 12 个变量，样本量约 83,862。 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 | 12 |
| 样本量 | 83,862 |
| 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_OP [OP法TFP] — 参考Olley & Pakes (1996, Econometrica)的方法，使用投资(购建固定资产支付的现金)作为代理变量的两步法估计，计算公式为：ln(Y)-alpha_OP*ln(K)-beta_OP*ln(L)
常见问题
- 「全要素生产率(Olley-Pakes法)」是什么数据集？
- 全要素生产率(Olley-Pakes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 12 个变量。核心指标包括：OP法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 83,862 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）衡量的是在给定资本和劳动投入下，企业产出中无法被传统生产要素解释的部分，反映了技术进步、管理效率等无形要素对产出的贡献。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，Olley和Pakes（1996）提出了一种两步估计法（OP法），该方法使用企业投资作为不可观测生产率冲击的代理变量，并考虑了企业的退出决策，从而得到更一致的生产函数系数估计。 具体而言，OP法的核心是构建一个包含投资决策的企业行为模型。假设企业的生产函数为柯布-道格拉斯形式，其对数线性化后为： $$ \ln Y{it} = \beta0 + \betak \ln K{it} + \betal \ln L{it} + \omega{it} + \eta{it} $$ 其中，$Y{it}$为企业$i$在$t$期的产出（通常以营业收入衡量），$K{it}$为资本投入（以固定资产净额衡量），$L{it}$为劳动投入（优先使用员工总数，缺失时使用应付职工薪酬作为代理），$\omega{it}$为可观测的生产率冲击，$\eta{it}$为不可观测的随机误差。同时性偏差源于生产率冲击$\omega{it}$会影响企业当期的要素投入决策（如资本和劳动），导致其与解释变量相关。 OP法的第一步，利用企业投资$I{it}$（以购建固定资产支付的现金衡量）是生产率$\omega{it}$的单调递增函数的假设，将$\omega{it}$表示为投资和资本的函数：$\omega{it} = ht(I{it}, K{it})$。将此关系代入生产函数，得到： $$ \ln Y{it} = \betal \ln L{it} + \phit(I{it}, K{it}) + \eta{it} $$ 其中，$\phit(I{it}, K{it}) = \beta0 + \betak \ln K{it} + ht(I{it}, K{it})$。通过按年度分行业对上述方程进行非参数（如多项式或核）回归，可以一致地估计出劳动弹性$\betal$以及复合函数$\hat{\phi}{it}$。 第二步，通过假设生产率服从一阶马尔可夫过程：$\omega{it} = E[\omega{it} | \omega{i,t-1}] + \xi{it}$，并利用第一步得到的$\hat{\phi}{it}$，可以构造出关于资本弹性$\betak$和非参数生存概率$P{it}$的矩条件，通过广义矩估计（GMM）求解。最终，OP法估计的全要素生产率（$TFP\OP$）为产出对数与估计的要素投入贡献之和的差值，即索洛残差： $$ TFP\OP{it} = \ln Y{it} - \hat{\beta}k^{OP} \ln K{it} - \hat{\beta}l^{OP} \ln L{it} $$ 其中$\hat{\beta}k^{OP}$和$\hat{\beta}l^{OP}$分别为通过OP两步法估计得到的资本和劳动产出弹性。 补充说明 - 生产函数估计按年度和行业分组进行。行业分类依据中上协行业分类标准（制造业取二级代码前两位，其他行业取门类首位）。 - 核心变量定义：产出$Y$为营业收入；资本$K$为固定资产净额；劳动$L$优先使用员工总数，当该数据缺失时，使用应付职工薪酬作为代理变量；投资$I$为购建固定资产支付的现金。 - 为控制极端值影响，在估计前对所有连续变量在行业-年度层面进行了上下1%的缩尾处理。 - 为保证估计的有效性，要求每个行业-年度分组内具有足够数量的企业观测值。 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.
- 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。