CNDD-0090 上市公司全要素生产率数据（附stata计算代码）及学术论文应用
▪ 关键词：OLS、OP、LP法计算的上市公司全要素生产率
▪ 数据说明：CNDD上市公司全要素生产率数据提供通过OLS、OP、LP法计算的全要素生产率原始数据、计算结果以及stata计算代码。具体指标包括证券代码、股票简称、会计年度、固定资产原值、主营业务收入、主营业务利润、在建工程工程物资、资本存量、员工人数、ols法计算的全要素生产率、op法计算的全要素生产率、lp法计算的全要素生产率等。
▪ 综合评价：对生产率的测算是很多实证研究的基础，它通常被解释为总产出中不能由要素投入所解释的“剩余”。这个剩余一般被称为全要素生产率（TFP），它反映了生产率作为一个经济概念的本质。TFP反映了生产过程中各种投入要素的单位平均产出水平，也就是投入转化为最终产出的总体效率。TFP除了与技术进步有关之外，还反映了物质生产的知识水平、管理技能、制度环境以及计算误差等因素。基于此，CNDD通过应用最小二乘法、OP法和LP法等参数和半参数方法核算出我国上市公司的TFP数据，数据全面可靠，可以适用于微观企业生产率研究。
▪常用度：★★★★☆
▪ 稀缺度：★★★★☆
▪ 新颖度：★★★★☆
▪ 总体级别：12颗星
✔ 常用度：是数据市场中需求指标，是指该数据在经济管理类学术论文中使用频率。
✔ 稀缺度：是数据市场中供给指标，是指该数据在其他数据库的出现频率。
✔ 新颖度：是数据市场中生成指标，是指该数据在生成时方法新颖程度和工作量。
▪ 计算代码概览：
▪ 数据获取内容：
鲁晓东,连玉君.中国工业企业全要素生产率估计:1999—2007[J].经济学(季刊),2012,11(02):541-558.
当前对于全要素生产率的测算正逐步由宏观层面转向微观企业层面,两者具有完全不同的理论机理。针对企业TFP估计中出现的同时性偏差和样本选择性偏差,一系列的最新修正方案被提出,并形成了很多前沿的估计方法。文章对这些新方法的逻辑进行了梳理,旨在廓清当前实际应用中存在的一些误区。利用1999—2007年中国工业企业数据,文章进一步应用最小二乘法、固定效应方法、OP法和LP法等参数和半参数方法核算了我国主要工业企业的TFP,在横向对比之后,发现半参数方法能够较好地解决传统计量方法中的内生性和样本选择问题。
在估计全要素生产率之前，通常要对生产函数的形式进行设定。在 实 际
应用中，Cobb-Douglas生产函数（C－D生产函数）成为最为常用的函数形式，C－D生产函数由于其结构简约易用，而且对于规模经济的测度直观且符合常理而更受青睐。C－D生产函数通常采用以下形式：
Yit表示产出，Lit和Kit分别表示劳动和资本的投入。Ait即是通常所说的全要素生产率（TFP），它能够同时提高各种要素的边际产出水平。通过对 （１）式取对数可以将其转化为如下线性形式：
其中yit、lit和kit分别表示Yit、Lit和Kit的对数形式。（2）式的残差项包含了企业全要素生产率（Ait）对数形式的信息。通常可以对 （２）式进行估计从而
获得对全要素生产率的估计值。
但是，当把以上简单线性估计方法用于企业TFP估计时，将会产生不可避免的计量技术问题，即同时性偏差和样本选择性偏差。其中最为突出就是生产决策的同时性问题。在实际生产过程中，企业的效率有一部分在当期是可以被观测到的，依据最大化生产原则，企业决策者根据这些信息即时调整生产要素的投入组合。在 这种情况下，如果误差项代表TFP的话，那么其中一部分（被观测部分）会影响到要素投入的选择，即残差项和回归项是相关的，这就会使得OLS的估计结果产生偏误。为了解决这一问题，可以将（２）式的残差项做以下形式的分拆：
其中W^it是残差项的一部分，可以被企业观测到并影响当期要素选择。eit是真正的残差项，包含不可观测的技术冲击和测量误差。以上问题可以通过多种方法进行克服，从而也就产生了对全要素生产率的多种估计方法。
在估计生产函数过程中容易产生的另一个问题是样本选择性偏差。它主要是由于生产率冲击和企业退出市场的概率存在相关关系造成的。一般来说，如果一个企业的资本存量较大，那么在面对低效率冲击时，其留在该市场的概率要远远高于那些具有较低资本存量的企业，因为这种规模较大的企业往往对未来的收益抱有更高的预期，从而不会轻易退出目前的市场。这就使得在面对低效率冲击时退出市场的概率和企业资本存量存在负相关关系，从而使得资本项的估计系数容易出现低估偏误。针对以上可能出现的问题，研究者提出了不同的改进方法。
2.Levinsohn-Petrin方法 （简称LP法）
3.OLS估计
在OLS估计中，使用的基本模型如下：
其中，Yit表示企业ｉ在ｔ年的工业增加值，K和L分别为企业固定资产和从业人员规模，year、reg和ind分别是代表企业年份、地区和行业的虚拟变量。ε表示在生产函数中无法体现的随机干扰以及测量误差等因素。按照TEP的定义可以得到TFP的绝对水平值：
按照 Olley and Pakes（1996）的基本思路，同时借鉴Loecker（2007）将企业出口行为决策引入到OP框架的具体做法，估计了以下模型：
[1]王鹏飞,刘海波,陈鹏.企业数字化、环境不确定性与全要素生产率[J].经济管理,2023,45(01):43-66.
[2]任胜钢,郑晶晶,刘东华,陈晓红.排污权交易机制是否提高了企业全要素生产率——来自中国上市公司的证据[J].中国工业经济,2019(05):5-23.
[3]盛明泉,汪顺,商玉萍.金融资产配置与实体企业全要素生产率:“产融相长”还是“脱实向虚”[J].财贸研究,2018,29(10):87-97+110.
此数据为会员专享数据，可添加客服微信，购买年度普通会员149元，年度高级会员299元，永久高级会员899元，即可享受CNDeepData会员专享数据及所有数据免费获取。
▪ 添加客服微信方式：
扫描下方二维码，或搜索下方微信号。
添加客服微信号：
DeepData001
获取更多更新数据
1. 除中国深度数据库（CNDD）特殊声明外，CNDD对基于合法来源的数据的选择、整理和编排具有独创性。任何自然人、法人、其他组织未经CNDD授权，不得以任何目的截取、上传、下载、复制、修改、使用、编译等或者以任何方式任何媒介传播上述作品的任何部分，否则视为侵权。
2. 对于存在侵害CNDD上述权利违法行为的主体，CNDD保留依法追究其法律责任的权利。
任何使用CNDD数据等产品的单位和个人，承诺只将CNDD的数据等用于学术研究，并在所得研究成果（包括但不限于学术论文、咨询报告等）中注明数据来源于CNDD。数据来源的注明方式请参考：“本研究数据来源于中国深度数据库CNDD”；英文参考：“We get the data from CNDeepData (CNDD)”。
中国深度数据库：让精品数据 得以流动
CNDeepData：Let high-quality data flow without barriers
