在一篇开创性的论文中，Camerer、Babcock、Loewenstein和Thaler(1997)发现，纽约市(NYC)出租车司机的每日工作时数的工资弹性为负，并得出结论，他们的劳动供给行为与目标收入(具有参考依赖偏好)一致。我复制并扩展了CBLT分析，使用的数据来自2009年至2013年五年间纽约市所有出租车的出行记录。利用Koszegi和Rabin(2006)的基于预期的参考点模型，我区分了预期的和未预期的每日工资变化，并提出了只有一小部分工资变化(约1/8)是未预期的证据，因此参考依赖(只与未预期的变化有关)在决定劳动力供应方面最多只能发挥有限的作用。我的数据中的总体模式很清楚:司机往往对意外和预期的收入机会增加做出积极反应。这与新古典劳动供给优化模型一致，不支持参考依赖偏好模型。我探索了不同司机在劳动力供给弹性方面的异质性，并考虑了新司机与更有经验的司机在行为上是否不同。我发现不同驱动因素的弹性存在很大的异质性，但估计的弹性通常是正的，只有很少的情况下是负的。我还发现，弹性较小的新司机更有可能退出这个行业，而留下来的司机很快就会学习成为更好的优化者(有积极的劳动力供给弹性，随着经验的增加而增加)。