Chapter5_广义矩估计.docVIP

广义矩估计设总体X的可能分布族为，其中来自参数空间Θ的是待估计的未知参数。假定总体分布的阶矩存在，则总体分布的阶阶矩为 1 2 两种常见的情况是阶和二阶中心矩： 3 4 一阶二阶中心矩对于样本，其阶原点矩是： （）5 当=1时，m1表示X的样本均值。 X的阶中心矩是： （）6 当=2时，B2表示X的样本方差。 矩方法 矩方法是一种古老的估计方法。其基本思想是：在随机抽样中，样本统计量将依概率收敛于某个常数。这个常数又是分布中未知参数的一个函数。 总体分布的阶矩为的函数。根据大数定理，样本矩依概率收敛于总体矩。因此，用样本矩作为总体矩的估计，即令： 即： 7 上式确定了包含个未知参数的个方程式求解式就可以得到的一组解。因为m是随机变量，故解得的也是随机变量。这种方法称为矩方法即是的矩。 定理X的分布函数F(X)存在2ν阶矩，则对样本的ν阶原点矩mv， ， 8 证明： 。 矩方法的一般步骤： Step1：总体矩条件（population moment condition）：。 给定观测样本，总体矩无法计算。但可以计算总体矩条件对应的样本矩条件。 Step2：样本矩条件（sample moment condition）： 根据大数定理，样本矩依概率收敛于总体矩，即 Step3：未知参数。 在很多情况下，我们可以根据矩条件构建矩方程，然后求解未知参数。一般情况下，这些矩条件都是可以直接观察到（或假定）的。 例 1.1 假定随机变量 yt 的均值存在但未知，利用矩方法进行估计。 总体矩：，则 Step2：样本矩为： 根据大数定理，样本矩依概率收敛于总体矩，即 解方程即可的矩估计量矩方法的几个特例 很多估计方法（比如OLS、TSLS等）都是的特殊形式。 OLS估计 例2：在回归方程中， ，。 假定的条件均值为0，则 由和迭代期望公式可以得出： 其对应的样本矩条件为： 解上述方程可以得到MM估计量： IV估计 考虑如下回归模型： 9 其中，x1t包括K个外生变量，但K2个内生变量，即 10 11 设x的工具变量为z2，z2K2个变量z2满足 12 13 （10）（）共同构成了新的矩条件，定义 z为工具变量，其中x仍然作为自身的工具变量，而作为x的工具变量。 KK1+K2个总体矩条件为： 14 相应的样本矩为： 15 MM估计量为： 16 广义矩（GMoment Method）GMM方法的引入 设模型设定为： 其中，，，zt为工具变量（1(L）。令，则L个矩条件为： 17 即： 对应的样本矩条件为： 18 从上式可以看出， (1) L K，即工具变量的个数小于未知参数的个数时，矩条件方程无解，参数不能识别。 (2) L = K，即工具变量的个数等于未知参数的个数时，矩条件方程唯一解，参数恰好识别。估计量为： 19 如前所述，OLS估计量和IV估计都是这种情况下的特殊形式。 (3) L K，即工具变量的个数大于未知参数的个数时，采用不同的矩方程可以得到不同的解，因此，矩方程具有多个解。 秩条件与阶条件 从（17）式得到的矩条件方程为： 可以看出，要使得(有解，。如果，则存在唯一解；如果，则无解；，则存在多个解。要得到的唯一解，矩阵的转置必须存在。而为阶矩阵，因此，(有唯一解的充分条件是，称之为工具变量的秩条件。 秩条件暗含的另外一个假定是L≥K，即