计量经济学模型之广义矩估计（GMM).pptxVIP

目 录 contents;GMM的定义及分类;广义矩估计,即GMM（Generalized method of moments）是统计学和计量经济学中常用的一种半参数估计方法，Lars Peter Hansen1982年根据Karl Pearson1894年发明的矩估计（method of moments）发展而来。GMM的发明是Hansen得到2013年诺贝尔经济学奖的原因之一。 GMM是基于模型实际参数满足一定矩条件而形成的一种参数估计方法，是矩估计方法的一般化。只要模型设定正确，则总能找到该模型实际参数满足的若干矩条件而采用GMM 估计。; 差分GMM：在差分GMM中，用滞后项作为差分的工具变量可能存在弱工具变量问题，尤其是当被解释变量具有很强的持续性时，差分的值几乎为0，滞后项与差分的相关性很弱很弱了，这样的工具变量就成了弱工具变量，此时可以考虑用水平GMM，或者系统GMM。 系统GMM：系统GMM是对差分GMM的扩展。差分GMM是对原方程做差分，使用变量滞后阶作为工具变量。 差分GMM与系统GMM对比：差分GMM的缺陷有：差分时消除了非观测截面个体效应及不随时间变化的其他变量，且有时变量滞后阶并非理想工具变量。系统GMM相当于联立了差分方程和原水平方程，使用变量滞后阶作为水平方程的工具变量。 ;GMM能解决的计量问题;许多计量经济学的模型不是通过完全的分布假设而是通过矩条件来设定，例如带有不可观测的个体影响的动态平面数据模型和含有理性预期的微观经济模型，这些模型通常是使用GMM方法来估计的。因此，GMM 方法在模型参数估计中得到广泛应用。 广义矩估计方法(GMM)常用来解决因使用动态面板数据而产生的内生性问题,内生性问题是解释变量与扰动项相关导致的，具体的表现形式有遗漏变量、双向因果和测量误差。 GMM实际上已有估计方法的概括和一般化，适用于大样本并显示其优越性。传统的计量经济学估计方法，例如普通最小二乘法只有在经典假设满足的条件下，估计量才具有优良性质，极大似然法必须对随机扰动项的分布做出某种假设。很多估计方法都存在自身的局限性，即其参数估计量必须在满足某些假设时，才是可靠的估计量。 ;（一）MLE与GMM GMM类似于极大似然法( MLE )。MLE 通过假设随机变量服从特定的分布，进而将待估参数嵌入似然函数，通过极大化联合概率密度函数得到参数的估计值。GMM 则是以随机变量遵循特定矩的假设，而不是对整个分布的假设，这些假设被称为矩条件。这使得 GMM 比 MLE 更稳健，但会导致估计量的有效性有所降低 (估计出的标准误比较大)。 （二）OLS是GMM的特例 选择解释变量作为工具变量构造矩条件，权重矩阵为单位阵，GMM即为OLS。 （三）IV是GMM的特例 GMM中方程个数等于参数个数时，即等价于工具变量法，当工具变量等于方程个数时候，方程组被恰好识别。此时GMM与IV一致。 （四）2SLS是GMM的特例 2SLS是工具变量估计方法的特殊情形，而工具变量估计是GMM估计的特殊情形。如果GMM中利用了所有先决变量，2SLS与GMM估计等价。 ;GMM的数学原理;（一）、矩估计 ;（一）、矩估计 ;（二）、OLS与矩估计 ;（三）、工具变量法与矩估计 ;（三）、工具变量法与矩估计 ;?;?;?;?;?;GMM的优缺点;优点：传统的计量经济学估计方法，例如普通最小二乘法、工具变量法和极大似然法等都存在自 身的局限性。即其参数估计量必须在满足某些假设时，比如模型的随机误差项服从正态分 布或某一已知分布时，才是可靠的估计量。而GMM 不需要知道随机误差项的准确分布信息 允许随机误差项存在异方差和序列相关，因而所得到的参数估计量比其他参数估计方法更 有效。因此，GMM 方法在模型参数估计中得到广泛应用。 缺点：GMM模型可以解决内生性问题但是工具变量IV比较难找，它需要满足两个条件： 1.IV应与工具变量高度相关 2.与随机扰动项无关 ;GMM模型基于Stata的代码示例;;;emp 为被解释变量--雇佣劳动力情况 wage 为实际工资 cap 为总资本 indoutpt 为工业产出--衡量工业需求波动 以上代码表示对解释变量取对数，为的是缓解异方差、自相关、多重共线性对模型的影响。但是相对值、百分比等不可取对数。 ; xtabond为差分GMM命令 lnemp为被解释变量 l(0/2).lnindoutpt表示lnindoutpt作为外生解释变量有三种情形：滞后0阶、滞后1阶、滞后2阶 lags(2) 表示将被解释变量的滞后1期、滞后2期作为解释变量