Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > econ > arXiv:2501.19354

帮助 | 高级搜索

经济学 > 一般经济学

arXiv:2501.19354 (econ)
[提交于 2025年1月31日 ]

标题: 通过一阶条件揭示植物产物生产力:复制奥尔(2022)的稳健方法

标题: Unveiling Plant-Product Productivity via First-Order Conditions: Robust Replication of Orr (2022)

Authors:Joonkyo Hong, Davide Luparello
摘要: 本研究评估了Scott Orr(《政治经济学杂志》2022年第130卷第11期:2771-2828)提出的识别工厂内部不同产品线生产力差异的创新方法的可重复性和可复制性。Orr的方法允许在需求系统预估表现良好的前提下,估计工厂-产品层面的生产力,而这需要精心选择的工具变量(IVs)来估计产出价格。使用Orr提供的STATA复制包,我们成功利用2000年至2007年的ASI印度工厂级面板数据复制了所有主要估计值。此外,应用Orr的复制代码到2011年至2020年的样本数据时发现,所建议的工具变量并未按预期表现。
摘要: In this study, we evaluate the reproducibility and replicability of Scott Orr's (Journal of Political Economy 2022, 130(11): 2771-2828) innovative approach for identifying within-plant productivity differences across product lines. Orr's methodology allows the estimation of plant-product level productivity, contingent upon a well-behaved pre-estimated demand system, which requires carefully chosen instrumental variables (IVs) for output prices. Using Orr's STATA replication package, we successfully replicate all primary estimates with the ASI Indian plant-level panel data from 2000 to 2007. Additionally, applying Orr's replication codes to a sample from 2011 to 2020 reveals that the suggested IVs do not perform as expected.
主题: 一般经济学 (econ.GN)
引用方式: arXiv:2501.19354 [econ.GN]
  (或者 arXiv:2501.19354v1 [econ.GN] 对于此版本)
  https://doi.org/10.48550/arXiv.2501.19354
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Davide Luparello [查看电子邮件]
[v1] 星期五, 2025 年 1 月 31 日 18:03:41 UTC (375 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
econ.GN
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-01
切换浏览方式为:
econ
q-fin
q-fin.EC

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号