📊 statistics

Left-truncated discrete lifespans: The AFiD enterprise panel

该论文利用几何分布模型，基于德国 AFiD 面板中约 140 万家企业的 2018 至 2019 年数据，通过处理左截断和右删失问题并构建鞅变换估计量，得出了德国企业平均寿命为 10 年（置信区间宽度仅 2 个月）的结论。

原作者： Eric Scholz, Rafael Weißbach

发布于 2026-03-16

📖 1 分钟阅读☕ 轻松阅读

原作者： Eric Scholz, Rafael Weißbach

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文讲述了一个关于**“德国企业能活多久”**的统计故事。作者们利用德国官方的企业数据，试图回答一个核心问题：一家德国企业平均能存活多少年？

为了让你轻松理解，我们可以把整个研究过程想象成一场**“观察森林里的树木”**的游戏。

1. 核心挑战：我们只看到了“半截”故事

想象一下，你走进一片森林（德国的企业界），开始观察树木（企业）。

左截断（Left Truncation）： 你的观察是从 2018 年开始的。这意味着，那些在 2018 年之前就已经死掉的树（倒闭的企业），你根本看不见，它们就像从未存在过一样。你只能看到那些在 2018 年时还活着的树。
右删失（Right Censoring）： 你的观察在 2019 年结束。对于那些在 2019 年之后才死掉的树，你只知道它们“还活着”，但不知道它们具体什么时候会死。

作者的难题是： 如果只统计那些“刚好在你开始观察时还活着”的树，会不会算出来的寿命太长了？（因为那些早死的树被你忽略了）。

2. 作者的解决方案：几何分布与“遗忘”

作者假设企业的死亡概率是恒定的。

比喻： 想象每年都有固定的概率（比如 10%），企业会像掷硬币一样“翻车”倒闭。不管它已经活了 1 年还是 10 年，明年倒闭的概率都是一样的。这在统计学上叫几何分布。

关键创新点：如何对待“看不见”的过去？
通常，统计学家会试图去猜那些在 2018 年之前倒闭的企业有多少。但作者做了一个大胆且聪明的决定：“遗忘”。

比喻： 就像你只关心一个人从你认识他那天起，还能陪你走多远。至于他在认识你之前走了多少路、受过什么伤，既然你没看见，那就假设那些经历对他现在的“存活概率”没有影响（因为假设概率是恒定的）。
操作： 他们只计算企业在被观察期间（2018-2019）实际存活了多少年，以及这期间有多少企业倒闭了。对于那些在观察开始前就倒闭的企业，直接忽略不计。

3. 数学魔法：鞅（Martingale）

论文里用了很多高深的数学词汇，比如“鞅”、“滤子”、“补偿器”。我们可以这样理解：

鞅（Martingale）： 想象你在玩一个公平的游戏。如果你现在的输赢记录是“零”，那么基于你目前掌握的所有信息，你下一步的输赢期望值也是“零”。
作者的应用： 作者把企业的倒闭过程看作一个游戏。他们构建了一个数学模型，证明在这个模型下，统计误差就像公平游戏中的随机波动一样，是可以被精确计算的。这使得他们能够非常自信地算出标准误（即结果的精确度）。

4. 研究结果：德国企业的“平均寿命”

作者分析了 2018 和 2019 年德国约 140 万家企业的数据（这些企业大多成立于 2013-2017 年）。

结论： 德国企业的平均寿命大约是 10 年。
精确度： 这个结果非常精准，置信区间的宽度只有 2 个月（也就是说，真实寿命极大概率在 9 年 10 个月到 10 年 2 个月之间）。
对比：
- 日本企业（早期数据）似乎更长寿（倒闭率更低）。
- 葡萄牙和巴基斯坦的企业似乎“短命”一些（倒闭率更高）。
- 美国企业的中位寿命约为 5 年，而德国现在是 7 年（中位数，意味着一半的企业活不过 7 年）。

5. 为什么这篇论文很重要？

方法巧妙： 它解决了一个经典的统计难题——当数据有“缺失”（左截断）和“不完整”（右删失）时，如何不引入偏差地算出真实概率。
无需猜测： 它不需要去猜测那些“看不见”的企业到底有多少，而是通过数学技巧（条件似然），直接利用“看得见”的数据得出无偏估计。
实际应用： 政府、银行和投资者可以用这个模型来预测经济健康状况。如果算出来的“平均寿命”突然变短了，可能意味着经济环境变差了，企业倒闭潮要来了。

总结

这就好比你要估算一个班级的平均身高。你只看到了坐在教室后半排的学生（因为前排的已经毕业了，或者还没来）。

笨办法：猜测前排有多少矮个子，把他们都算进去。
作者的办法： 既然假设每个人长高的概率是一样的，那我只统计现在坐在教室里的人，看他们现在的状态，就能推算出整个群体的规律，而且算得非常准，连误差范围都算得清清楚楚。

这篇论文就是用这种“聪明”的统计方法，给德国企业的寿命画出了一幅精准的画像。

论文技术总结：左截断离散寿命——AFiD 企业面板数据

1. 研究背景与问题定义 (Problem)

研究目标：估计德国企业在未来一年内倒闭（因破产或其他原因）的概率（记为 $\theta$ ），并据此计算企业的平均寿命（期望寿命）。
数据来源：使用德国联邦统计局（DESTATIS）的 AFiD 面板数据（2018-2019 年），涵盖约 140 万家企业。数据包含企业的成立年份和关闭年份。
核心挑战：
1. 左截断 (Left Truncation)：面板数据始于 2018 年。对于在 2018 年之前成立的企业，如果它们在 2018 年之前已经关闭，则完全不可观测；如果它们在 2018 年仍存活，则其早期的生存历史（从成立到 2017 年）是缺失的。
2. 右删失 (Right Censoring)：对于在 2019 年之后仍存活的企业，其确切寿命未知，仅知大于观测期。
3. 离散时间依赖性：企业寿命以“年”为单位（离散时间），同一企业的连续年份观测值存在纵向依赖性，不能视为独立同分布（i.i.d.）的简单随机样本。
4. 异质性方差：由于不同企业的观测起始年龄不同，导致每个企业的观测样本量（风险时间）不同，传统的中心极限定理（如 Lindeberg-Lévy）难以直接应用。
模型假设：假设企业寿命服从几何分布（Geometric Distribution），即每年的倒闭概率 $\theta$ 是恒定的，不随企业年龄变化。

2. 方法论 (Methodology)

本文提出了一种基于条件似然 (Conditional Likelihood) 和 鞅理论 (Martingale Theory) 的统计推断框架。

概率模型构建：
- 定义 $X$ 为企业寿命（从成立到关闭的年数），服从参数为 $\theta$ 的几何分布： $f(x) = \theta(1-\theta)^{x-1}$ 。
- 定义 $T$ 为截断时间（即观测开始前的年数，对应成立年份相对于观测起点的回溯）。
- 假设成立年份 $T$ 与寿命 $X$ 相互独立。
处理左截断与遗忘 (Marginalization & Forgetting)：
- 对于在观测期开始时（2018 年）仍存活的企业，作者主张“遗忘”其成立至观测开始前的生存历史。
- 通过条件化（Conditioning on observability），即给定企业 $X \ge T+1$ ，构建条件似然函数。
- 利用几何分布的无记忆性 (Memoryless Property)，条件分布仍为几何分布，参数不变。这使得估计量具有关于成立分布的不变性（半参数性质）。
鞅表示 (Martingale Representation)：
- 将企业寿命建模为计数过程 $N(x)$ 。
- 引入滤子 (Filtration) 概念，区分“潜在滤子”（包含所有历史信息）和“观测滤子”（仅包含观测到的信息）。
- 定义补偿过程 (Compensator) $A(x, \theta)$ ，使得过程 $M(x) = N(x) - A(x, \theta)$ 构成一个鞅 (Martingale)。
- 证明估计量 $\hat{\theta}$ 可以表示为鞅变换 (Martingale Transform)。
渐近性质推导：
- 利用 Rebolledo 鞅中心极限定理（比传统的 Lindeberg-Lévy 条件更弱，适用于不同方差的独立增量过程），证明了估计量 $\hat{\theta}$ 的一致性 (Consistency) 和 渐近正态性 (Asymptotic Normality)。
- 推导了标准误的闭式解 (Closed-form expression)。
似然函数构建：
- 对于未观测到的企业（2018 年前已倒闭），其似然贡献为 1（在条件似然框架下）。
- 对于观测到的企业，似然贡献基于观测到的风险时间（ $X - T$ ）和是否关闭的事件。
- 最终估计量公式为：
  $\hat{\theta} = \frac{\text{观测期内的倒闭企业数}}{\sum (\text{观测到的风险年数})}$
  其中分母包含未删失企业的观测年数和删失企业的最大观测年数。

3. 主要贡献 (Key Contributions)

理论创新：将左截断的离散寿命数据建模问题转化为条件似然下的鞅过程问题。通过条件化观测状态，巧妙地解决了左截断带来的偏差，并避免了需要指定成立年份分布（ $T$ 的分布）的假设，实现了半参数估计。
解决依赖性问题：针对同一企业纵向观测数据的依赖性，利用鞅极限定理（Rebolledo 定理）而非传统独立样本定理，严格推导了估计量的渐近正态性和标准误。
闭式解：提供了参数 $\theta$ 及其标准误的解析表达式，无需复杂的数值优化或 Bootstrap 重采样即可计算置信区间。
实际应用验证：将理论应用于德国真实的 AFiD 面板数据，处理了大规模（140 万+）的左截断和右删失数据。

4. 研究结果 (Results)

数据概况：基于 2013-2017 年成立的企业数据，观测期为 2018-2019 年（ $s=2$ 年）。
参数估计：
- 估计的年度倒闭概率 $\hat{\theta} \approx 0.1009$ （即约 10.1%）。
- 置信区间：95% 置信区间为 $[0.1005, 0.1013]$ 。
企业寿命：
- 基于几何分布，平均寿命 $E[X] = 1/\theta$ 。
- 估计的德国企业平均寿命约为 10 年。
- 平均寿命的 95% 置信区间宽度仅为 2 个月（约 9.88 至 9.95 年），显示了极高的估计精度。
横向对比：
- 与德国早期研究（Brüderl et al., 1992）及其他国家（日本、葡萄牙、美国、巴基斯坦）的数据相比，德国企业的倒闭强度处于中等水平（优于葡萄牙和巴基斯坦，劣于日本早期数据，但日本近期数据恶化）。
- 德国企业的中位寿命约为 7 年。

5. 意义与结论 (Significance & Conclusion)

统计方法论意义：
- 证明了在处理左截断离散时间生存数据时，条件似然结合鞅理论是比传统最大似然更稳健且易于处理的方法。
- 解决了观测起始时间随机（ $T$ 为随机变量）导致的方差异质性问题，为类似的面板数据分析提供了通用的理论框架。
实际应用价值：
- 为政府和经济学家提供了关于德国企业生存状况的高精度基准数据。
- 该方法不仅适用于企业寿命，也可推广至其他离散时间的生物或社会人口学事件（如疾病复发、设备故障等）的生存分析。
局限性讨论：
- 假设了倒闭概率不随年龄变化（几何分布）。如果存在年龄效应，模型需扩展为年龄非齐次模型（利用文中提到的成立年份信息即可实现）。
- 虽然假设企业间独立，但实际中可能存在宏观冲击导致的依赖性，不过鞅理论在弱依赖下仍具有鲁棒性。

总结：该论文成功地将复杂的左截断离散生存数据问题转化为一个优雅的鞅问题，利用条件似然消除了截断偏差，并提供了精确的渐近推断工具。其应用结果揭示了德国企业约 10 年的平均寿命，且估计精度极高，为商业人口统计学研究树立了新的标杆。