1 数据说明
采用2018-2020年我国上市工业企业的财务数据来测度企业的全要素生产率。参考《The Brain Gain of Corporate Boards: Evidence from China》等文献的做法，企业投入产出的数据说明如下：
-
企业总产出--用企业主营收入的数据
-
资本--用企业固定资产的数据
-
劳动力--用企业员工总数的数据
-
中间投入--用企业购入商品和劳务现金的数据
-
投资--用企业资本性支出的数据
由于数据的时间跨度比较短，所以不考虑通货膨胀的因素。如果时间跨度比较长，则需要对财务数据进行平减。
这里采用Stata16软件来分析。
2 录入数据
打开数据编辑窗口，将数据从Excel中复制到Stata，注意粘贴时选择“将第一行作为变量名”
3 数据预处理
将字符串数据类型转换为数值型：
destring 主营成本2020,replace force
数据格式转换为面板类型：
reshape long 主营收入 员工总数 固定资产 主营成本 中间投入 资本性支出 exit,i( 证券代码) j(year)
变量取对数：
g lny=ln(主营收入)
g lnk=ln(固定资产)
g lnl=ln(员工总数)
g lnm=ln(中间投入)
g lnage=ln(year-成立年)
g lni=ln( 资本性支出 )
生成证券代码的数据型变量：
encode 证券代码,g(id)
设置面板格式：
xtset id year
4 估计企业全要素生产率
安装ACF方法的命令：
search acfest
acfest命令中，即可以用中间投入变量作为未被观测全要素生产率的代理变量，也可以用投资作为未被观测全要素生产率的代理变量。同时，即可以估计总产值的生产函数形式，也可以估计增加值的生产函数形式。
5 计算企业全要素生产率:总产值形式+中间投入做代理变量
估计生产函数并计算企业全要素生产率:
acfest lny, free(lnl) proxy(lnm) state(lnk) robust nbs(100)
predict tfp_1, omega
在acfest命令中： proxy()中为未被观测到的生产率的代理变量，free()中为生产函数中的自由变量，state()中为状态变量。
在生产函数估计结果中，可以看出，只有中间投入的边际产出系数显著，资本和劳动的边际产出系数不显著，这可能是由于样本量不足造成的。可以在acfest命令中去掉robust参数，修改nbs()中bootstrap的次数，以及加入second参数多试验几次。这里不再演示。
在估计出生产函数后，通过命令predict tfp_1, omega，即可得到企业全要素生产率。
6 计算企业全要素生产率:总产值形式+投资做代理变量
估计生产函数并计算企业全要素生产率:
acfest lny, free(lnl lnm) proxy(lni) state(lnk) invest robust nbs(100)
predict tfp_2, omega
在acfest命令中加入invest参数，同时将proxy()中输入投资变量：lni，将中间投入变量lnm放入free()中，其他保持不变。这里不再展示估计结果！
7 计算企业全要素生产率:增加值形式+中间投入做代理变量
生成增加值数据：
g lnadd=ln(主营收入-中间投入)
估计生产函数并计算企业全要素生产率：
acfest lnadd, free(lnl) proxy(lnm) state(lnk) va robust nbs(100)
predict tfp_3, omega
在acfest命令中，被解释变量换成lnadd，其与“总产值形式+中间投入做代理变量”中的一致。这里不再展示估计结果！
8 计算企业全要素生产率:增加值形式+投资做代理变量
估计生产函数并计算企业全要素生产率：
acfest lnadd, free(lnl lnm) proxy(lni) state(lnk) va invest robust nbs(100)
predict tfp_4, omega
在acfest命令中，被解释变量换成lnadd，其与“总产值形式+投资做代理变量”中的一致。这里不再展示估计结果！