GMM估计讲义 广义矩估计.doc

GMM估计讲义 矩条件 一个简单的线性回归模型， ， 1.1 由残差的均值等于零可得， 1.2 方程1.2是理论上的矩条件，对于数据，它的粗略样本矩条件为： 1.3 直观上， 当真实值时，由于理论矩为零，样本矩应该越接近于零越好。求解1.3，我们得到的矩估计量， 1.4 但矩条件并不唯一，在1.2两边同时乘以，由残差与变量无关的假设，我们可以得到另一个矩条件， 1.5 相似地，我们得到样本的矩条件， 1.6 这样，我们可以获得的另一个矩条件估计量， 1.7 其与OLS估计量一致。 为了满足上述两个矩条件，我们可以使用两个矩条件的加权最小估计，即 1.8 ， 方程1.8说明两个矩条件是同等重要的。一般的，我们使用权矩阵，，，，最小化目标函数， 1.9 为了保证非负，在需要是正定矩阵。 此外还有其他的矩条件，如，是工具变量向量。 一些问题： 1．什么矩条件可以使用？Gallant and Tauchen (1996, ET). 2． 什么工具变量可以使用，Bates and White (1993, ET) and Wooldrige (1994, Handbook of Econometrics, IV) 3．怎么选择加权矩阵？ 一般程序 离散时间经济模型的动态规划行为需要运用Euler 方程： ， 2.1 ：向量； ：估计的参数向量， ：，已知函数。 如考虑消费与投资的选择问题： 2.2 是单个资产的价格，是从时间t到t+1所持有的份额，是在时间t得到的红利。假设代表性消费者具有CRRA效用：，那么一阶条件为 2.3 ，为净回报，则2.3可以写为： ， 2.4 ， 其他矩条件可以通过相乘变量的滞后得到。 为了通过GMM估计，让是维的工具变量向量，表示经济变量信息，且是可观测的，对于变量我们有个正交条件： ， 2.5 函数，定义为： ， 给定任何，向量函数的样本均值为， ， 2.5式暗含着越接近于，越接近于零。的GMM估计量就是最小化立方问题： ， 2.6 是正定矩阵使得接近于零。 事实上，上述的估计程序有两步，也就是两阶段估计法。首先，选择，通过求解，获得初始的一致估计量，。第二步，依据第一步估计，最优加权矩阵可以通过估计得到， ， ，， 是正整数，当T趋近于无穷大，，，(see Newey and West (1987), Gallant (1987,p. 446) and Andrews (1991, EM))。最优的GMM估计量可求解， 是渐进正态的，协方差矩阵为， ， 我们有个参数，个正交条件，通常大于，所以我们有个不独立条件，且在估计中不能设置为零。为了检验非过渡性约束，我们有Hasen’s 检验检验： CAPM模型 检验投资组合的效率： ，， 矩条件是，； ， 为了使用GMM，让 向量函数定义为， 是个参数向量。 有两种方法可以检验： ，。其一是首先估计，然后从分布构造检验。二是对模型使用假设，通过GMM检验来检验过渡性约束。 对于第一种检验，假设在过去信息的条件下，一阶条件有效，是一致估计量，且是模型残差的协方差矩阵， 然后构造 其中且满足。GMM testing CAPM,see MacKinlay and Richardson (JF, 1991) and Harvey and Zhou (JEF, 1993)。