22广义矩估计1讲课资料.ppt

§2.2 广义矩估计（GMM, Generalized Method of Moments）;关于GMM的主要文献;一、广义矩估计的概念;广义矩估计方法发展的导向: 解释变量的内生性问题。 模型的过度识别问题。 模型随机项分布的设定问题。 ;GMM估计包容了许多常用的估计方法，普通最小二乘法、工具变量法、最大似然法，甚至二阶段最小二乘法都是它的特例。 ;技术方面的优越性 无须要求正规方程组中方程数目与待估参数数目相等。 方便地处理违背基本假设的问题，例如异方差和序列相关。 无须进行高阶矩阵的求逆运算。;⒉参数的矩估计（补充）;样本的一阶矩和二阶矩 ;⒊参数的广义矩估计 ;二、计量经济学模型的广义矩估计及其性质;⒈ 估计方法的原理 ;一组矩条件，工具变量估计的正规方程组。;;工具变量估计正规方程组的解就是;如果工具变量Jk，并且对不同的矩条件加权，考虑随机项存在异方差和序列相关;Arg , Argument, 自变量、宗数 W矩阵的阶数：J×J;2、以多元线性模型为例;如果x2为随机变量，z1为它的工具变量，IV的正规方程组为：;如果x2为随机变量，z1、z2 为它的工具变量，GMM关于参数估计量的矩条件为：;3、GMM估计量;如果l=K，这时Z’X为K?K方阵且可逆。于是： β=(Z’X)-1W-1(X’Z)-1X’ZWZ’Y =(Z’X)-1Z’Y 可见，βGMM=βIV, 这时W的选择对结果无影响。 如果lK，这时根据W选取的不同，有不同的解βGMM，但只要W是对称正定矩阵，估计结果都满足一致性。 尽管不同的权矩阵W都可得到?的一致估计量，但估计量的方差矩阵可能是不同的。因此，可以选择最佳的W，以使估计量更有效(有小的方差)。;4、权矩阵的选择;如此构造权矩阵体现了上述设置权矩阵的原则。 权矩阵调整的是J个矩条件之间的关系，而不是n个样本点之间的关系。 W应是[(1/n)Var(Z’?)]-1的一致估计。 权矩阵的阶;Hansen’s(1982)提出最佳的权矩阵为： ;L. Hansen, 1982: Large Sample Properties of GMM Estimation, Econometrica 50, p1029-1054 ;若随机误差项存在异方差且不存在自相关，White(1980)提出权矩阵的估计量为： ;若随机误差项存在自相关，Newey和West(1987)提出权矩阵的估计量为： ; Eviews 中GMM方程设定页面选择??time series”，在HAC optons的Kernel options中选择Bartlett，然后在Bandwidth selection中选择 Fixed，再填写NW即为该情况。 其中Kernel options选择Bartlett，即是：;其它选择的含义 Eviews 中GMM方程设定页面选择“time series”，在HAC optons的Kernel options中选择Bartlett，然后在Bandwidth selection中选择 Fixed，如果填写1个具体的数字，例如2，表示L=2。 ; Eviews 中GMM方程设定页面选择“time series”，在HAC optons的Kernel options中选择Bartlett，然后在Bandwidth selection中选择 Andrews，表示采用Andrews1991年论文中提出的选择方法。 Andrews,1991: Heteroskedasticity and autocorrelation consistent covariance matrix estimation, Econometrica 59, 817-858; Eviews 中GMM方程设定页面选择“time series”，在HAC optons的Kernel options中选择Bartlett，然后在Bandwidth selection中选择 Variable-Newway-West，表示采用Newey-West 1994年论文中提出的选择方法。 Newey and West,1994: Automatic lag selection in covariance matrix estimation, Review of Economic Studies 61, 631-; Eviews 中GMM方程设定页面选择“time series”，在HAC optons的Kernel options中选择Quadratic，然后在Bandwidth selectio