5广义矩估计.docVIP

PAGE PAGE 1 广义矩估计 矩估计 总体矩与样本矩 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m阶矩存在，则总体分布的k阶原点矩和k阶中心矩为 SEQ 公式 \* ARABIC 1 SEQ 公式 \* ARABIC 2 两种常见的情况是一阶原点矩和二阶中心矩： SEQ 公式 \* ARABIC 3 SEQ 公式 \* ARABIC 4 一阶原点矩表示变量的期望值，二阶中心矩表示变量的方差。 对于样本，其k阶原点矩是： （） SEQ 公式 \* ARABIC 5 当k=1时，m1表示X的样本均值。 X的k阶中心矩是： （） SEQ 公式 \* ARABIC 6 当k=2时，B2表示X的样本方差。 矩估计方法 矩方法（moment method）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k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，可以用样本矩作为总体矩的估计，即令： 即： SEQ 公式 \* ARABIC 7 上式确定了包含K个未知参数的K个方程式，求解上式所构成的方程组就可以得到的一组解。因为mk是随机变量，故解得的也是随机变量。这种参数估计方法称为矩方法，即是的矩估计量。 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，则矩的期望和方差为： ， SEQ 公式 \* ARABIC 8 证明： 。 矩方法的一般步骤： Step1：总体矩条件（population moment condition）：。一般情况下，矩条件可以写为：。 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）：。一般情况下，矩条件可以写为： 根据大数定理，样本矩依概率收敛于总体矩，即 Step3：令样本矩=总体矩，得到矩方程，解方程（组）得到未知参数的矩估计量。 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 STYLEREF 1 \s 1. SEQ 例 \* ARABIC \s 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。 Step1：总体矩：令，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 解上述方程即可得到的矩估计量 矩方法的几个特例 很多估计方法（比如OLS、TSLS等）都是矩估计的特殊形式。 OLS估计 例2：在回归方程中， ， 其中，。 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： SEQ 公式 \* ARABIC 9 其中，，x1t包括K1个外生变量，但包括K2个内生变量，即 SEQ 公式 \* ARABIC 10 SEQ 公式 \* ARABIC 11 设x2的工具变量为z2，z2包括K2个工具变量，z2满足