对于需求模型的估计，聚合的结果，无论是时间上的还是空间上的，在理论上都是众所周知的，但是以前还没有用适当的数据记录过经验。在本文中，我们进行了一个简单但有指导意义的练习来填补这一空白，使用了一个大型的季度数据集，该数据集在企业层面上越来越多地聚集到两位数的SIC行业和年频率。我们只在最聚集的层次上用二次调整代价模型得到合理的结果。事实上，二次调整成本的结果证实，沿着两个维度的聚合可以对感兴趣的参数产生更合理的估计。固定调整成本模型在季度数据和年度数据上表现得非常好。我们认为，这可能是葡萄牙劳动力市场异常高的劳动力调整成本的另一个后果。