更改

由于数据是在一个有限的观察窗口 T 内获取的，为了解决边界条件问题（即在窗口结束时，所有企业都被视为死亡），论文引入了一个修正项，得到了一个修正的指数分布函数：

由于数据是在一个有限的观察窗口 T 内获取的，为了解决边界条件问题（即在窗口结束时，所有企业都被视为死亡），论文引入了一个修正项，得到了一个修正的指数分布函数：

<nowiki>[math]N(t,T)=N(0,T)e^{-\lambda t}[\frac{1-e^{-\lambda(T-t)}}{1-e^{-\lambda T}}][/math]</nowiki>

:<math>

N(t,T)=N(0,T)e^{-\lambda t}[\frac{1-e^{-\lambda(T-t)}}{1-e^{-\lambda T}}]

</math>

当观察窗口 T 远大于企业年龄 t 时，这个方程可以近似为常规的指数公式。基于这个模型，论文计算了企业的半衰期（[math]t_{1/2}[/math]），即一半的企业死亡所需的时间。通过求解 [math]M(t_{1/2}) = 1/2[/math]，可以得到半衰期的公式：

当观察窗口 T 远大于企业年龄 t 时，这个方程可以近似为常规的指数公式。基于这个模型，论文计算了企业的半衰期（[math]t_{1/2}[/math]），即一半的企业死亡所需的时间。通过求解 [math]M(t_{1/2}) = 1/2[/math]，可以得到半衰期的公式：

[math]t_{1/2}(T)=\frac{\ln~2}{\lambda}[1-\frac{\ln(1+e^{-\lambda T})}{\ln~2}][/math]

:<math>

t_{1/2}(T)=\frac{\ln~2}{\lambda}[1-\frac{\ln(1+e^{-\lambda T})}{\ln~2}]

</math>

美国上市企业的平均寿命约为10.2年，而半衰期约为8.6年。这意味着大约9年以后，就会有一半的企业“死亡”。下图显示，中国企业的死亡率随着年龄的增长呈曲线变化。例如，在30岁时，死亡率仅为[math]1.4 \%[/math]。类比生物学： 这种将死亡率视为年龄(t)函数[math]\lambda(t)[/math]的方法，以及观察到的年龄依赖性趋势，与生物学中研究物种寿命与年龄关系的建模思路是类似的。企业生长方程目前无法预测企业的死亡，但可猜想企业规模越大，平均寿命越长，死亡率越低。

美国上市企业的平均寿命约为10.2年，而半衰期约为8.6年。这意味着大约9年以后，就会有一半的企业“死亡”。下图显示，中国企业的死亡率随着年龄的增长呈曲线变化。例如，在30岁时，死亡率仅为[math]1.4 \%[/math]。类比生物学： 这种将死亡率视为年龄(t)函数[math]\lambda(t)[/math]的方法，以及观察到的年龄依赖性趋势，与生物学中研究物种寿命与年龄关系的建模思路是类似的。企业生长方程目前无法预测企业的死亡，但可猜想企业规模越大，平均寿命越长，死亡率越低。