KNOWECON WIKI

ARTICLE

G. Steven Olley

G. Steven Olley G. Steven Olley 是美国经济学家，现任纽约大学 (NYU) 经济学教授。他最广为人知的贡献是与 Ariel Pakes 合作开发的 Olley-Pakes 估计方法，该方法从根本上改变了实证产业组织 (实证产业组织) 和生产函数的估计方式。其 1996 年发表于 Econometrica 的论文《电信设备行业的生

浏览 0 更新 2025-07-17

G. Steven Olley

G. Steven Olley 是美国经济学家，现任纽约大学 (NYU) 经济学教授。他最广为人知的贡献是与 Ariel Pakes 合作开发的 Olley-Pakes 估计方法，该方法从根本上改变了实证产业组织 (实证产业组织) 和生产函数的估计方式。其 1996 年发表于 Econometrica 的论文《电信设备行业的生产率动态》(The Dynamics of Productivity in the Telecommunications Equipment Industry) 是过去三十年间引用率最高的实证微观经济学论文之一。

核心贡献：Olley-Pakes 估计方法

在 Olley 和 Pakes 的工作之前，经济学家在估计生产函数时面临两个根本性的内生性问题：

1. 同时性偏误 (Simultaneity Bias)

经典的 Cobb-Douglas 生产函数可写为：

yit=β0+βllit+βkkit+ωit+ηity_{it} = \beta_0 + \beta_l l_{it} + \beta_k k_{it} + \omega_{it} + \eta_{it}

其中 yity_{it} 为产出（对数），litl_{it} 为劳动投入，kitk_{it} 为资本投入，ωit\omega_{it} 为企业可观察但计量经济学家不可观察的全要素生产率 (TFP)，ηit\eta_{it} 为纯粹的随机误差。问题的关键在于：企业会在观察到自身 ωit\omega_{it} 的部分信息后再决定劳动和资本的投入水平。这意味着 ωit\omega_{it} 与 litl_{it}、kitk_{it} 相关，导致 OLS 估计产生 同时性偏误。直观上，更有生产率的企业倾向于雇用更多劳动（正向偏误），但当高生产率企业也持有更多资本时，资本系数的偏误方向则不确定。

2. 选择偏误 (Selection Bias)

在面板数据中，企业可能因生产率过低而退出市场。退出决策并非随机：拥有更高资本存量的企业即使遭受负向生产率冲击也更可能继续经营，因为它们可以通过"消耗"部分资本来维持运营。这意味着在幸存企业的样本中，资本存量与生产率之间存在 负相关关系——即大资本企业可以在较低生产率水平下存活，从而压低资本系数的估计值。

代理变量法：以投资为桥梁

Olley 和 Pakes 的核心洞察是：企业的投资决策可以作为不可观测生产率 ωit\omega_{it} 的 代理变量。他们证明，在合理条件下（投资严格为正、投资是生产率的单调递增函数），可以将 ωit\omega_{it} 表达为资本和投资的函数：

ωit=ht(kit,iit)\omega_{it} = h_t(k_{it}, i_{it})

这一关系允许计量经济学家通过两步估计程序同时解决同时性偏误和选择偏误。

两阶段估计程序

第一阶段：将生产函数改写为半参数形式，利用投资代理变量控制 ωit\omega_{it}，一致地估计劳动系数 βl\beta_l。此时资本系数尚不可识别，因为资本和投资在当期共同决定 ω\omega。

第二阶段：利用企业生存概率模型（Probit）估计选择偏差的修正项（即企业在给定状态下继续经营的概率），然后将修正项纳入二阶矩条件，用非线性方法估计资本系数 βk\beta_k。这一步还利用了生产率演化的 Markov 假设：ωit\omega_{it} 遵循一阶 Markov 过程，当期生产率只依赖于上一期生产率。

关键假设与局限

Olley-Pakes 方法依赖几个关键假设：①投资严格为正（这意味着投资为零的观测值必须被丢弃，可能造成样本选择问题）；②投资函数是生产率的严格单调函数；③劳动是自由变量（可在当期无成本调整），而资本是状态变量（调整有滞后）。当这些假设不成立时——例如大量企业某年投资为零——估计结果可能有偏。这一局限直接推动了后续方法的发展，如 Levinsohn-Petrin 方法（使用中间投入品代替投资作为代理变量）和 Ackerberg-Caves-Frazer 方法（修正第一阶段识别问题）。

学术影响与后续发展

Olley-Pakes 方法彻底改变了生产率和产业组织领域的实证研究范式。主要影响体现在以下几个方面：

  • 生产率分解：Olley 和 Pakes 在同一篇论文中提出了著名的 OP 分解，将行业加总生产率的变化分解为"企业内效应"（个体企业生产率提升）、"市场份额再配置效应"（资源向高生产率企业流动）以及"进入退出效应"。这一分解框架对理解资源错配和产业动态至关重要。
  • 贸易与生产率：大量研究利用 Olley-Pakes 方法估计企业层面的 TFP，进而分析贸易自由化如何通过选择效应（迫使低生产率企业退出）和再配置效应（资源流向高生产率出口企业）提升行业加总生产率。
  • 方法论的持续演进：Olley-Pakes 方法奠定了 代理变量法 在生产率估计中的核心地位，直接启发了 Levinsohn 和 Petrin (2003)、Ackerberg、Caves 和 Frazer (2015) 等后续改进。这些方法共同构成了当代实证产业组织中估计生产函数的主流工具箱。

其他学术贡献

除生产函数估计外，Olley 在多个应用微观经济学领域亦有建树。他与 Pakes 及合作者在 非参数识别 方面的工作扩展了结构估计的工具边界，特别是在不完全竞争市场中的需求与成本函数识别问题上。此外，他在拍卖实证分析、产业组织中的动态博弈估计等领域也有研究贡献。Olley 的研究风格以深刻的计量经济学洞察和对现实产业数据的精细处理著称，其工作始终处于理论与应用的交叉前沿。

学术遗产

Olley 与 Pakes 合作建立的这一估计框架，不仅是过去三十年实证产业组织领域最重要的方法论突破之一，更深刻地重塑了经济学家思考生产率、竞争和产业演化的方式。从贸易自由化的福利效应评估到制造业的资源配置效率分析，从企业动态到经济增长源泉的微观基础，OP 方法的思想已经渗透到实证经济学的几乎每一个角落。正如一位同行所言，Olley-Pakes 方法"让经济学家第一次能够可靠地在微观数据中看到生产率的力量"。