NBER美国国民经济研究局-NBER-Imputing-Missing-Values-in-the-US-Census-Bureaus-County-Business-Patterns_39页_1mb

总结：NBER Working Paper 26632 - Imputing Missing Values in the US Census Bureau's County Business Patterns

核心内容

本研究探讨了美国人口普查局发布的县企业模式（County Business Patterns, CBP）数据中存在的两个主要问题：数据缺失（由于保密原因部分单元数据被压制）和行业分类变化（SIC系统与NAICS系统的交替使用）。研究提出了一种新的方法，利用线性规划技术结合行业和地理层级约束，对缺失数据进行填补，并提供行业对照表以实现数据的一致性。

主要观点

1. CBP数据的局限性

   • 大部分县-行业单元的数据被压制，以保护企业隐私。
   • 行业分类系统随时间变化，SIC（1946-1997）和NAICS（1998-2016）交替使用，导致跨年度分析困难。

2. 填补缺失数据的方法

   • 研究开发了一种基于线性规划的填补方法，利用行业和地理层级的“加总约束”（adding-up constraints）来估算被压制单元的就业数据。
   • 填补值选择最接近被压制单元上下限中点的数值，同时满足所有层级的加总要求。
   • 该方法是首次全面遵守所有层级约束的填补方法，且可识别并修正原始CBP文件中上下限的不一致。

3. 行业分类系统的转换

   • 行业代码从SIC转换为NAICS，提供了更详细的分类。
   • 行业对照表被构建，以将SIC分类的数据重新归类为NAICS分类，确保时间序列数据的一致性。
   • NAICS系统比SIC更透明，因为它基于企业实际活动进行分类，而SIC则基于多种不同概念。

4. 数据压制与噪声注入

   • 数据压制依据就业数量的范围，不同压制标志（如A、B、C等）代表不同的就业范围。
   • 自2007年起，Census引入“噪声注入”（noise infusion）技术，对未被压制的单元添加随机噪声，以保护隐私。
   • 噪声注入标志（如G、H、D、S）用于标识数据的扰动程度。

5. 数据的地理结构

   • 地理层级为县、州、国家三级，每一级的就业数据必须与下一级数据相加。
   • 行业层级同样具有加总结构，如四或六位数的行业代码，其父级代码（root）包含所有子级代码（child）的就业总和。

关键信息

• 数据来源：CBP数据源自美国人口普查局的Business Register（BR），基于行政税收记录。
• 数据时间范围：1946至2016年，部分年份数据不完整（如1946-1962年为间断发布）。
• 数据压制比例：在1977至2016年间，约55%至70%的县-行业单元被压制。
• 数据填补范围：当前填补方法适用于1977至2016年的CBP数据，未来计划扩展至1946年。
• 行业代码结构：
  • SIC系统：最多4位数字，分属10个经济部门。
  • NAICS系统：最多6位数字，分属20个经济部门。
• 数据可用性：所有数据、填补结果、行业对照表和代码均可在作者提供的数据附录中找到（www.fpeckert.me/cbp）。

方法与创新

• 填补方法：基于线性规划，利用行业和地理层级的加总约束，填补被压制单元的就业数据。
• 行业对照表：用于将SIC代码转换为NAICS代码，确保时间序列分析的连贯性。
• 填补精度：填补值基于上下限中点，并通过约束优化确保其符合整体加总关系。
• 填补扩展性：方法可应用于不同年份和不同层级的行业与地理单元，包括“部分代码”（partial codes）。

结论

本研究通过填补缺失数据和统一行业分类，显著提升了CBP数据的可用性与一致性，为后续的经济研究提供了更完整、可比的数据集。研究结果可应用于国际贸易、城市经济和宏观经济学等领域，有助于更准确地分析区域经济结构的变化。