主题：Neutral and Non-neutral Productivity in Structural Proxy Variable Models结构代理变量模型中的中性和非中性生产率

主讲人：美国纽约州立大学宾汉姆顿分校哈勃文理学院 Subal C. Kumbhakar教授

主持人：中国西部经济研究院 侯哲之讲师

时间：5月26日9:30-11:00

地点：柳林校区格致楼1011会议室

主办单位：中国西部经济研究院 科研处

主讲人简介：

Subal C. Kumbhakar，纽约州立大学宾汉姆顿分校经济学杰出教授，南加州大学经济学博士、瑞典哥德堡大学名誉博士，随机前沿分析（Stochastic Frontier Analysis）领域的重要开创者，专注于计量经济学、应用微观经济学及效率与生产率测量，在多个行业和国家展开研究。与C.A. Knox Lovell合著的《随机前沿分析》是该领域权威教材，在Review of Economics and Statistics、Journal of Econometrics、Journal of Business & Economic Statistics、Journal of Development Economics等顶级期刊发表数百篇论文。现任Empirical Economics共同主编、Journal of Productivity Analysis副主编，Journal of Applied Econometrics杰出作者, 前American Journal of Agricultural Economics副主编。根据RePec/IDEAs的数据库，在效率和生产力领域全世界排名第五，并被斯坦福大学评为全球前2%顶尖科学家。

内容提要：

This lecture compares two structural models of productivity measurement: one with a single (neutral and non-neutral) productivity term, and another with multiple factor-specific productivity terms. Both models are based on profit maximization. Case A presents a neutral model and a non-neutral model with distinct productivity effects. Case B proposes a framework combining neutral and biased productivity, allowing input-specific adjustments. The lecture also discusses identification and estimation under a translog production function, highlighting the need for panel data.

本讲座将比较两类生产率测量的结构模型：一种使用单一的（同时包含中性与非中性成分的）生产率项，另一种则引入多个要素特定的生产率项。两种模型均基于利润最大化行为构建。案例A介绍中性模型和非中性模型，分别对应不同的生产率效应；案例B提出结合中性与偏向性生产率的框架，允许对各投入要素进行单独调整。讲座还将讨论在易变换生产函数下的识别与估计问题，强调识别生产率和噪声项需要使用面板数据。