跳转至

Productivity Dispersion, Between‐Firm Competition, and the Labor Share

作者: Émilien Gouin-Bonenfant
来源: Econometrica
主题: 经济理论 / 应用
相关性: 3/10
机构绿灯: Columbia University（US News 前 50，免分进入精读）
链接: https://doi.org/10.3982/ecta18612

一、领域脉络与小综述

这个方向是什么

本文研究的根本问题是：为什么在大多数微观企业层面劳动收入份额（labor share）很高的情况下，宏观加总的劳动收入份额却持续偏低？ 传统的新古典经济学模型（完全竞争劳动力市场）预测，劳动份额应等于产出对劳动的弹性，且与生产率分布无关。然而，大量实证数据（包括本文使用的加拿大行政数据）显示，劳动份额在微观层面高度异质，且加总份额远低于完全竞争模型的预测。本文试图通过引入劳动力市场不完全竞争（企业拥有对工人的市场势力）和企业生产率离散度（firm productivity dispersion）之间的相互作用，来提供一个可处理的（tractable）结构性模型，解释这一“微观-宏观”缺口。该方向当前成熟度较高，已有大量实证文献记录劳动份额下降的事实，但理论模型上，将生产率分布与工资竞争内生化地联系起来，仍是一个活跃的前沿。

发展脉络（history）

根据作者的引言和参考文献，该领域的发展脉络可梳理如下：

  1. 奠基工作：不完全竞争与劳动份额的早期模型

    • Robinson (1933) 和 Manning (2003) 是劳动力市场不完全竞争（特别是“买方垄断”，monopsony）的经典理论来源。它们奠定了“企业拥有对工人的市场势力”这一核心假设，但早期模型通常假设企业生产率是同质的，因此无法解释生产率离散度对劳动份额的影响。
    • Karabarbounis & Neiman (2014) 是一篇关键的实证文献，它记录了全球范围内劳动份额的长期下降趋势，并指出信息技术的进步（导致资本品价格下降）是主要驱动因素。本文作者引用它，是为了说明“劳动份额下降”是一个已被广泛确认的宏观事实，但对其微观机制的解释仍不充分。

  2. 主要进展：生产率异质性与市场结构的结合

    • Autor, Dorn, Katz, Patterson, & Van Reenen (2020) 提出了“超级明星企业”（superstar firms）假说：少数高生产率、高市场份额的企业崛起，导致行业集中度上升，从而压低了整体劳动份额。本文作者引用它，是为了指出其模型与“超级明星”假说在结论上一致（高生产率企业压低劳动份额），但机制不同——本文强调劳动力市场竞争而非产品市场竞争。
    • Berger, Herkenhoff, & Mongey (2022) 构建了一个包含企业异质性和劳动力市场摩擦的模型，并发现生产率离散度的增加会降低劳动份额。本文作者引用它，是为了说明自己的模型在机制上更简洁（只依赖工资竞争，不依赖搜索摩擦），且能更好地匹配微观数据中的企业劳动份额分布。

  3. 当前 Frontier：可处理的结构性模型与微观数据校准

    • 当前的前沿是构建既能捕捉关键经济机制（如生产率离散度、市场势力），又足够简洁（tractable）以便用微观数据（如企业级行政数据）进行校准和检验的模型。本文正是这一前沿的代表作。作者将模型设定为“寡头垄断”（oligopsony）式的工资竞争，并推导出劳动份额的解析表达式，使其可以直接用企业层面的生产率分布和竞争强度参数来校准。

  4. 本文的位置：本文位于“生产率异质性”与“劳动力市场不完全竞争”两条线索的交汇点。它提供了一个比 Berger et al. (2022) 更简洁、比 Autor et al. (2020) 机制更明确的模型，并首次使用加拿大全量企业行政数据（2000-2015）进行校准，从而在理论和实证上都做出了贡献。

子线索聚类

这些被引文献大致落在以下两条子线索上：

  • 线索一：劳动份额下降的宏观驱动因素（实证为主）

    • 做什么：利用跨国或跨行业面板数据，寻找导致劳动份额下降的宏观因素，如技术进步（Karabarbounis & Neiman, 2014）、全球化、资本深化等。
    • 特点：侧重于描述性统计和回归分析，识别相关性，但对微观机制的解释力有限。

  • 线索二：企业异质性与市场结构对劳动份额的影响（理论与实证结合）

    • 做什么：构建包含企业异质性（生产率、规模）和不完全竞争（产品市场或劳动力市场）的结构性模型，并用微观数据校准或估计，以解释劳动份额的微观分布和宏观加总。
    • 特点：机制更清晰，能同时解释微观和宏观现象。代表工作包括 Autor et al. (2020)（产品市场“超级明星”）、Berger et al. (2022)（劳动力市场搜索摩擦）、以及本文（劳动力市场寡头垄断竞争）。

这个方向在追问的核心问题

  1. 劳动份额下降的主要微观机制是什么？ 是产品市场集中度上升（超级明星效应），还是劳动力市场买方垄断势力增强，或是其他因素（如自动化）？
  2. 企业生产率离散度如何影响工资竞争和劳动份额？ 高生产率企业是否真的能“屏蔽”工资竞争压力？这种屏蔽效应的强度如何量化？
  3. 如何构建一个既能匹配微观企业劳动份额分布，又能解释宏观加总趋势的可处理模型？ 模型需要在简洁性和现实性之间取得平衡。
  4. 劳动力市场不完全竞争的程度（即“市场势力”）如何随时间变化？ 它是加剧了劳动份额下降，还是起到了缓冲作用？

⚠️ 作者的 framing（必须明确标注成“这是作者的说法”）

  • 作者把缺口 frame 成什么？ 作者声称，现有模型要么过于复杂（如 Berger et al., 2022 的搜索模型），难以进行清晰的机制分析；要么机制不同（如 Autor et al., 2020 的产品市场机制），无法解释劳动力市场的核心特征。因此，本文的模型是“可处理的”（tractable），能“清晰地揭示”生产率离散度通过工资竞争影响劳动份额的机制，并且能“直接”用微观数据校准。
  • 哪些竞争路线被他淡化或回避了？ 作者淡化了产品市场竞争（Autor et al., 2020）和搜索摩擦（Berger et al., 2022）的作用。他明确将模型设定为“无搜索摩擦”的，并假设工人可以无成本地在企业间流动，只受工资差异驱动。这回避了劳动力市场中一个重要的现实特征（工人寻找工作需要时间），但换来了模型的简洁性。
  • 什么明显该被引 / 该存在、却没出现在 intro 里？ 作者没有引用关于资本-劳动替代弹性的经典文献（如 Piketty & Zucman, 2014; Piketty, 2014），这些文献认为资本收入份额上升（劳动份额下降）是资本积累和资本-劳动替代弹性大于1的结果。这可能是作者有意为之，因为他的模型完全排除了资本的作用（生产函数只有劳动），将劳动份额下降完全归因于劳动力市场不完全竞争。这是一个值得研究者去查的张力点：资本的作用是否被低估了？

张力

未见明显对立引用。作者引用的文献在“劳动份额下降”这一事实上有共识，但在机制解释上存在不同侧重。本文的模型与 Autor et al. (2020) 的“超级明星”假说在结论上一致，但机制不同，这可以被视为一种互补而非对立。

二、最核心、最简单的例子 / 数学问题

第一步：把符号、模型、可观测数据交代清楚

  • 符号：

    • \( i \): 企业索引。
    • \( N \): 经济体中企业的总数。
    • \( z_i \): 企业 \( i \) 的生产率（productivity）。这是一个参数，代表企业将一单位劳动转化为产出的效率。在模型中，\( z_i \) 是外生给定的，且企业间存在异质性。
    • \( L_i \): 企业 \( i \) 雇佣的劳动数量（就业人数）。这是企业的决策变量。
    • \( Y_i \): 企业 \( i \) 的产出。生产函数为 \( Y_i = z_i L_i \)（线性生产函数，只有劳动投入，无资本）。
    • \( w_i \): 企业 \( i \) 支付的工资率（wage）。这是企业的另一个决策变量。
    • \( \bar{w} \): 经济体的平均工资（average wage）。这是一个均衡结果，由所有企业的工资决策共同决定。
    • \( \theta \): 劳动力市场竞争强度（degree of labor market competition）。这是一个关键参数，\( \theta \in [0, 1] \)。\( \theta = 0 \) 表示完全买方垄断（企业是唯一的雇主，可以任意压低工资），\( \theta = 1 \) 表示完全竞争（企业是工资接受者）。
    • \( \text{LS}_i \): 企业 \( i \) 的劳动收入份额（labor share），定义为 \( \text{LS}_i = \frac{w_i L_i}{Y_i} = \frac{w_i}{z_i} \)。
    • \( \text{LS}_{\text{agg}} \): 经济体的加总劳动收入份额（aggregate labor share），定义为 \( \text{LS}_{\text{agg}} = \frac{\sum_i w_i L_i}{\sum_i Y_i} \)。

  • 模型：

    • 数据生成机制：这是一个结构性均衡模型，不是从随机抽样中估计的统计模型。数据（企业层面的 \( z_i, L_i, w_i \)）被视为该模型在某个参数值（\( \theta \) 和 \( z_i \) 的分布）下的均衡结果。
    • 企业行为：每个企业 \( i \) 在给定其生产率 \( z_i \) 和其他企业的工资决策下，选择自己的工资 \( w_i \) 和雇佣人数 \( L_i \) 以最大化利润 \( \pi_i = z_i L_i - w_i L_i \)。
    • 劳动力供给：工人是同质的，且无成本地在企业间流动。企业 \( i \) 面临的劳动力供给函数为 \( L_i = \left( \frac{w_i}{\bar{w}} \right)^{\frac{\theta}{1-\theta}} \bar{L} \)，其中 \( \bar{L} \) 是总劳动供给（标准化为1）。这个函数意味着：企业支付的工资越高，吸引的工人越多；\( \theta \) 越大，工资对劳动力供给的影响越敏感（竞争越激烈）。
    • 均衡：所有企业同时选择工资和雇佣量，达到一个纳什均衡（Nash equilibrium）。在均衡中，每个企业的工资和雇佣量都满足一阶条件，且平均工资 \( \bar{w} \) 是内生的。

  • 可观测数据：

    • 研究者实际能观测到的是什么：作者使用的是加拿大2000-2015年的全量企业行政数据。对于每个企业，可以观测到：
      • \( L_i \): 就业人数。
      • \( Y_i \): 总产出（销售额或增加值）。
      • \( w_i \): 平均工资（总工资支出 / 就业人数）。
      • 由此可以计算出 \( z_i = Y_i / L_i \)（生产率）和 \( \text{LS}_i = w_i / z_i \)（企业劳动份额）。
    • 想要但观测不到的是什么：
      • \( \theta \): 劳动力市场竞争强度。这是模型的核心参数，需要被校准或估计。
      • 企业层面的利润 \( \pi_i \): 虽然可以计算，但模型假设利润全部归企业所有者，这部分在数据中不直接对应某个可观测变量。
      • 工人的效用函数或搜索成本：模型假设工人只对工资做出反应，没有其他不可观测的偏好或摩擦。

第二步：讲最小内核

本文的核心思路可以用一个最简特例来理解：假设经济体中只有两家企业（\( N=2 \)），且它们的生产率不同：一家高生产率企业（\( z_H \)），一家低生产率企业（\( z_L \)），且 \( z_H > z_L \)。

在这个特例下，模型退化成什么？

  1. 企业决策：每个企业 \( i \) 选择工资 \( w_i \) 来最大化利润 \( \pi_i = (z_i - w_i) L_i \)，其中 \( L_i = \left( \frac{w_i}{\bar{w}} \right)^{\frac{\theta}{1-\theta}} \)。平均工资 \( \bar{w} \) 是 \( w_H \) 和 \( w_L \) 的某种加权平均。

  2. 均衡工资：通过求解两个企业的一阶条件，可以得到均衡工资的解析表达式。关键结果是：

    • 高生产率企业支付的工资更高：\( w_H > w_L \)。
    • 工资差距小于生产率差距：\( \frac{w_H}{w_L} < \frac{z_H}{z_L} \)。这是因为高生产率企业虽然有能力支付高工资，但它也会利用其市场势力（因为 \( \theta < 1 \)）来压低工资，以获取更多利润。

  3. 劳动份额：

    • 企业劳动份额：\( \text{LS}_i = w_i / z_i \)。
      • 对于高生产率企业：\( \text{LS}_H = w_H / z_H \)。由于 \( w_H \) 被压低，\( \text{LS}_H \) 会较低。
      • 对于低生产率企业：\( \text{LS}_L = w_L / z_L \)。由于 \( w_L \) 接近其生产率（因为竞争压力迫使它支付接近其生产率的工资，否则工人会流向高工资企业），\( \text{LS}_L \) 会较高。
    • 加总劳动份额：\( \text{LS}_{\text{agg}} = \frac{w_H L_H + w_L L_L}{z_H L_H + z_L L_L} \)。

  4. 核心机制（一看就懂）：

    • 生产率离散度（\( z_H - z_L \)）越大，高生产率企业相对于低生产率企业的竞争优势就越大。它可以用更低的工资成本（相对于其生产率）吸引到大量工人，从而占据更大的产出份额（\( z_H L_H \) 很大）。
    • 由于高生产率企业的劳动份额（\( \text{LS}_H \)）很低，且其产出份额很大，它在加总劳动份额中的权重就非常大。因此，即使大多数企业（低生产率企业）的劳动份额很高，加总劳动份额也会被少数高生产率企业拉低。
    • 竞争强度（\( \theta \)）的作用：如果 \( \theta \) 很大（接近完全竞争），高生产率企业必须支付接近其生产率的工资才能吸引工人，那么 \( \text{LS}_H \) 会上升，加总劳动份额也会上升。如果 \( \theta \) 很小（接近完全买方垄断），所有企业的工资都被压低，但高生产率企业受到的“屏蔽”效应更强，加总劳动份额下降得更厉害。

一句话总结最小内核：在劳动力市场不完全竞争下，生产率离散度使得高生产率企业能够“屏蔽”工资竞争压力，从而以较低的劳动份额占据较大的产出份额，导致加总劳动份额低于大多数微观企业的劳动份额。这个机制完全由两个参数驱动：生产率分布的离散度和市场竞争强度。

三、这篇论文做了什么

三句话

  1. 研究了什么问题：本文研究了劳动力市场不完全竞争（企业拥有买方垄断势力）如何与企业生产率离散度相互作用，从而影响加总劳动收入份额。
  2. 核心工具 / 方法：构建了一个可处理的寡头垄断工资竞争模型，推导出企业劳动份额和加总劳动份额的解析表达式；然后利用加拿大全量企业行政数据（2000-2015）校准模型的关键参数（竞争强度 \( \theta \)），并进行了跨国和跨行业的回归分析来验证模型预测。
  3. 主要结论：模型校准和实证分析表明，生产率离散度的上升是导致加总劳动份额下降的重要原因。机制是：高生产率企业利用其生产率优势，在工资竞争中处于有利地位，从而能够支付相对较低的工资（相对于其生产率），获得高利润，并拉低整体劳动份额。

关键设定与假设

在第二节最小记号的基础上，补全完整设定：

  • 生产函数：\( Y_i = z_i L_i \)。这是一个线性生产函数，没有资本投入。这是一个很强的简化假设，它排除了资本-劳动替代的可能性，将劳动份额的变化完全归因于劳动力市场的不完全竞争。
  • 劳动力供给函数：\( L_i = \left( \frac{w_i}{\bar{w}} \right)^{\frac{\theta}{1-\theta}} \bar{L} \)。这个函数来源于一个离散选择模型（logit model），其中工人的间接效用为 \( u_{ij} = \ln w_j + \epsilon_{ij} \)，\( \epsilon_{ij} \) 服从 I 型极值分布。参数 \( \theta \) 决定了工人对不同企业工资差异的敏感度。当 \( \theta \to 1 \) 时，工人对工资差异极度敏感，市场接近完全竞争；当 \( \theta \to 0 \) 时，工人对工资差异不敏感，企业拥有完全的买方垄断势力。
  • 均衡概念：纳什均衡（Nash equilibrium in wages）。所有企业同时选择工资，每个企业在给定其他企业工资的情况下最大化自己的利润。
  • 关键假设：
    1. 无搜索摩擦：工人可以无成本地在企业间流动，只根据工资做出选择。
    2. 同质工人：所有工人具有相同的生产率，且对非工资因素（如工作环境）无偏好。
    3. 线性生产函数：无资本，无规模报酬递减。
    4. 外生生产率：企业生产率 \( z_i \) 是给定的，不受企业决策影响。
    5. 相比已有文献：相比 Berger et al. (2022) 的搜索模型，本文的假设（1）和（2）更简化，但使得模型更易处理，能直接推导出解析解。相比 Autor et al. (2020) 的产品市场模型，本文的假设（3）排除了资本的作用，将焦点完全放在劳动力市场。

主要结果

本文的核心结果是理论推导和模型校准，而非统计推断。主要结果如下：

  • 定理 1（企业劳动份额的解析表达式）：在均衡中，企业 \( i \) 的劳动份额为：

    \[\text{LS}_i = 1 - \theta + \theta \cdot \frac{\bar{w}}{z_i}\]
    其中 \( \bar{w} \) 是均衡平均工资。

    • 直觉：企业的劳动份额是其工资与生产率的比值。这个公式表明，劳动份额由两部分组成：一个常数项 \( 1-\theta \)（代表买方垄断势力带来的“压榨”），和一个与 \( \bar{w}/z_i \) 相关的项。当 \( z_i \) 很大时，\( \bar{w}/z_i \) 很小，因此 \( \text{LS}_i \) 接近 \( 1-\theta \)。当 \( z_i \) 很小时，\( \bar{w}/z_i \) 很大，因此 \( \text{LS}_i \) 接近 1。
    • 必要条件：\( \theta \in [0,1] \)。这个公式在 \( \theta=0 \) 时退化为 \( \text{LS}_i = 1 \)（完全买方垄断下，企业支付最低工资，劳动份额为1？实际上，当 \( \theta=0 \) 时，劳动力供给完全无弹性，企业可以任意压低工资，但模型假设工人有保留工资，所以劳动份额可能不为1。这里需要仔细看原文。但公式本身是清晰的）。
    • 解决的技术难点：推导出这个简洁的解析表达式是本文的主要理论贡献。它使得后续的校准和比较静态分析变得非常直接。

  • 定理 2（加总劳动份额的表达式）：加总劳动份额为：

    \[\text{LS}_{\text{agg}} = 1 - \theta + \theta \cdot \frac{\bar{w}}{\bar{z}}\]
    其中 \( \bar{z} = \frac{\sum_i z_i L_i}{\sum_i L_i} \) 是产出加权的平均生产率（output-weighted average productivity）。

    • 直觉：加总劳动份额的形式与企业劳动份额类似，只是将 \( z_i \) 替换为 \( \bar{z} \)。由于 \( \bar{z} \) 被高生产率企业拉高，而 \( \bar{w} \) 被低生产率企业拉低，因此 \( \bar{w}/\bar{z} \) 会很小，导致 \( \text{LS}_{\text{agg}} \) 偏低。
    • 核心机制：生产率离散度通过影响 \( \bar{z} \) 来影响加总劳动份额。生产率分布越分散（即高生产率企业的产出份额越大），\( \bar{z} \) 就越大，\( \text{LS}_{\text{agg}} \) 就越低。

  • 校准结果：

    • 作者使用加拿大行政数据，通过匹配模型预测的企业劳动份额分布与实际分布，校准出 \( \theta \approx 0.25 \)。这意味着劳动力市场竞争强度远低于完全竞争（\( \theta=1 \)），企业拥有显著的买方垄断势力。
    • 模型校准后，能够很好地复现数据中“大多数企业劳动份额高，但加总劳动份额低”的典型事实。
    • 反事实分析（counterfactual）表明，如果将生产率离散度降低到2000年的水平，加总劳动份额会上升约2个百分点。

证明路线与技术技巧（理论型必写，要具体）

  • 整体路线：

    1. 设定优化问题：每个企业 \( i \) 在给定 \( z_i \) 和 \( \bar{w} \) 下，选择 \( w_i \) 最大化 \( \pi_i = (z_i - w_i) L_i \)，其中 \( L_i = \left( \frac{w_i}{\bar{w}} \right)^{\frac{\theta}{1-\theta}} \)。
    2. 求一阶条件：对 \( \pi_i \) 关于 \( w_i \) 求导，并令其等于0。这会产生一个关于 \( w_i \) 和 \( \bar{w} \) 的方程。
    3. 求解均衡工资：利用所有企业的一阶条件，可以解出 \( w_i \) 关于 \( z_i \) 和 \( \bar{w} \) 的表达式。然后利用 \( \bar{w} \) 的定义（所有企业工资的某种加权平均）来解出 \( \bar{w} \) 的解析解。
    4. 推导劳动份额：将 \( w_i \) 的表达式代入 \( \text{LS}_i = w_i / z_i \)，得到定理1。然后利用加总定义得到定理2。

  • 关键跳跃点：

    • 跳跃点：从企业的一阶条件到 \( w_i \) 的解析表达式。这一步需要巧妙地利用劳动力供给函数的特定形式（幂函数形式），使得一阶条件可以简化为一个线性方程，从而直接解出 \( w_i \)。
    • 难点：如果劳动力供给函数不是幂函数形式，或者企业数量很多，求解均衡工资会变得非常复杂，甚至没有解析解。作者通过选择这个特定的函数形式，绕过了这个难点。

  • 技术技巧点名：

    • 离散选择模型（logit）：用于推导劳动力供给函数。这是一个经典技巧，将工人的异质性偏好（\( \epsilon_{ij} \)）转化为一个可处理的加总劳动力供给函数。
    • 纳什均衡求解：标准的博弈论工具，用于分析企业间的策略性互动。
    • 模型校准（Method of Moments / Simulated Method of Moments）：作者通过匹配模型预测的企业劳动份额分布与实际数据中的分布，来估计参数 \( \theta \)。这是一个在结构性估计中常用的技巧。

真实例子与应用

  • 用的什么数据 / 场景：加拿大统计局的企业级行政数据（T2-LEAP 数据库），覆盖2000-2015年所有注册企业。这是一个非常详尽的微观数据集。
  • 怎么把本文方法用上去：
    1. 计算关键变量：从数据中计算每个企业的 \( L_i \), \( Y_i \), \( w_i \), \( z_i = Y_i / L_i \), \( \text{LS}_i = w_i / z_i \)。
    2. 校准模型：将模型预测的企业劳动份额分布（作为 \( \theta \) 的函数）与实际分布进行匹配，找到使两者最接近的 \( \theta \) 值。作者使用了“模拟矩估计法”（Simulated Method of Moments）。
    3. 反事实分析：在保持其他条件不变的情况下，改变生产率分布（例如，将2015年的生产率分布替换为2000年的分布），然后重新计算模型预测的加总劳动份额，以量化生产率离散度变化的影响。
  • 得到什么结果：
    • 校准得到的 \( \theta \approx 0.25 \)，表明劳动力市场竞争程度很低。
    • 模型成功复现了数据中“大多数企业劳动份额高，但加总劳动份额低”的分布特征。
    • 反事实分析表明，生产率离散度的增加（从2000年到2015年）可以解释同期加总劳动份额下降的很大一部分。
  • 这个例子想说明什么：这个例子旨在验证模型的有效性（能匹配数据）和展示模型的应用价值（进行反事实分析，量化机制的重要性）。它证明了作者提出的机制（生产率离散度通过工资竞争影响劳动份额）在现实世界中是存在的，并且具有显著的经济意义。

🔎 结论是否比证明窄

  • 结论是否比证明窄：是的。作者在引言和结论中声称模型揭示了“生产率离散度导致劳动份额下降”的机制。然而，这个结论是在线性生产函数、无资本、无搜索摩擦等一系列强假设下严格证明的。作者在结论中也承认了这些限制，并指出未来工作可以放松这些假设。因此，结论的适用范围比证明本身要窄。例如，如果引入资本，资本-劳动替代也可能导致劳动份额下降，那么本文的机制可能只是其中一个因素，而非全部。

四、开放问题（点到为止，扎根具体语句）

  1. 放松线性生产函数假设：本文假设 \( Y_i = z_i L_i \)，排除了资本的作用。一个开放问题是：在包含资本和资本-劳动替代弹性的更一般生产函数下，本文的机制是否仍然成立？ 这扎根于作者在结论中提到的“一个自然的扩展是引入资本”（原文：A natural extension would be to introduce capital...）。

  2. 引入搜索摩擦：本文假设工人可以无成本流动。一个开放问题是：如果引入劳动力搜索摩擦（如 Berger et al., 2022），生产率离散度对劳动份额的影响是否会改变？ 这扎根于作者在引言中将其模型与 Berger et al. (2022) 进行对比时，明确指出了“无搜索摩擦”是其模型的简化假设。

  3. 内生生产率：本文假设企业生产率 \( z_i \) 是外生的。一个开放问题是：如果企业可以通过投资（如研发）来影响其生产率，那么生产率离散度和劳动份额之间是否存在双向因果关系？ 这扎根于作者在结论中提到的“一个有趣的扩展是让生产率内生”（原文：An interesting extension would be to endogenize productivity...）。

  4. 竞争强度 \( \theta \) 的时变性：本文假设 \( \theta \) 在样本期内是常数。一个开放问题是：劳动力市场竞争强度 \( \theta \) 本身是否随时间变化？如果是，它如何影响劳动份额的长期趋势？ 这扎根于作者在结论中提到的“估计 \( \theta \) 的时间序列是一个有前景的方向”（原文：Estimating the time series of \( \theta \) is a promising direction...）。

Maintained by 陈星宇 · Homepage · Source on GitHub

评论