动态面板模型系统GMM估计中的工具变量过度识别检验.docxVIP

动态面板模型系统GMM估计中的工具变量过度识别检验

引言

在经济学、社会学等领域的实证研究中，动态面板模型因能够捕捉变量的动态调整过程（如经济增长的路径依赖、政策效应的滞后性）而被广泛应用。这类模型的核心特征是包含滞后被解释变量作为解释变量，例如模型形式可表示为(y_{it}=y_{it-1}+x_{it}+i+{it})（其中(i)为个体固定效应，({it})为随机扰动项）。然而，滞后被解释变量(y_{it-1})与个体固定效应(_i)以及随机扰动项的滞后值存在相关性，导致普通最小二乘法（OLS）和固定效应模型（FE）的估计结果出现偏差（Nickell，1981）。

为解决这一内生性问题，系统广义矩估计（SystemGMM）方法被提出并逐步完善（BlundellBond，1998）。系统GMM通过同时估计差分方程和水平方程，利用滞后变量作为工具变量，显著提高了估计效率。但工具变量的有效性（即外生性与相关性）是系统GMM估计结果可靠性的关键前提。当工具变量数量超过内生解释变量数量时，会产生“过度识别”问题——此时无法直接验证所有工具变量的外生性，必须通过过度识别检验（Over-identificationTest）来间接判断工具变量的联合外生性。本文将围绕动态面板模型系统GMM估计中工具变量过度识别检验的原理、方法及应用展