第12章 联立方程估计与模拟.pptVIP

* 上式简单的理解就是矩条件m和零点的“距离”，A是赋予每个矩条件的权数的加权矩阵，任何对称的正定矩阵A都将产生一个? 的一致估计。然而，可以证明要得到? 的渐进有效估计值的一个必要但不充分的条件是将 A 设为样本矩条件 m 的协方差矩阵的逆矩阵。这是很直观的，因为对越不精确的矩条件赋予越小的权重。 在EViews中，为了得到GMM估计必须先给出(12.25)式的矩条件，如回归方程残差u(?, y, X )和一组工具变量 Z 的正交条件： (12.28) 例如，普通最小二乘估计OLS做为广义矩估计GMM的特例具有正交条件： (12.29) 对于广义矩估计GMM能被识别，必须至少工具变量的个数和待估计的参数? 的个数一样多。 * 说明一个广义矩估计GMM问题的一个重要方面是加权矩阵A的选择，EViews使用最佳选择是： 这里?是样本矩的协方差矩阵，依赖于未知的参数? ，为了获得 ? 的一致估计必须先知道? 的一致估计，EViews使用二阶段最小二乘法得出? 的初始值。 (1) White 异方差一致协方差矩阵 在操作时如果选择了GMM-Cross section选项，EViews使用White的异方差性一致协方差矩阵估计 ? ： (12.30) 这里，u 是残差向量，Zt 是k×p维的矩阵，在 t 时刻 p 个矩条件可写为： * （2）异方差和自相关一致协方差矩阵（HAC） 如果选择GMM-Time series选项，EViews用如下公式估计 ? ： (12.31) 这里 (12.32) 在说明 ? 之前，必须要指定核函数? 和带宽 q。 * §12.2.4 工具变量 如果用二阶段最小二乘法（TSLS）、三阶段最小二乘法方法（3SLS）或者广义矩法（GMM）来估计参数，必须对工具变量做出说明。说明工具变量有两种方法：若要在所有的方程中使用同样的工具变量，说明方法是以inst开头，后面输入所有被用作工具变量的外生变量列表。例如： inst gdp(-1 to -4) x gov EViews在系统的所有方程中使用这六个变量作为工具变量。如果系统估计不需要使用工具，则这行将被忽略。 若要对每个方程指定不同的工具变量，应该在每个方程的后面附加“@”及这个方程需要的工具变量。例如： cs=c(1)+c(2)*gdp+c(3)*cs(-1) @ cs(-1) inv(-1) gov inv=c(4)+c(5)gdp+c(6)*gov @ gdp(-1) gov 第一个方程使用 cs(-1)、inv(-1)、gov和一个常量作为工具变量，第二个方程使用gdp(-1)、gov和一个常量作为工具变量。最后还可以将两个方法融合到一起，任何一个没有独自指定工具变量的方程将使用inst指定的工具变量。 * §12.2.5 附加说明 (1) 在每个方程中常数项始终都包含在工具变量表中，无论它是否被明确的说明过，这是隐含给定的。 (2