广义矩估计法(GMM)在动态面板模型中的实现.docxVIP

广义矩估计法(GMM)在动态面板模型中的实现

随着社会科学实证研究的不断深入，研究者越来越关注个体行为与系统演化的动态特征，面板数据因为同时结合了截面维度的个体异质性信息与时间维度的动态演化信息，成为当前应用最广泛的数据类型之一。当研究者需要刻画变量的路径依赖特征、调整成本与滞后影响时，就需要构建包含被解释变量滞后项的动态面板模型，但这类模型因为引入了与扰动项相关的滞后被解释变量，传统估计方法会产生明显的估计偏误，无法得到一致的参数结果。广义矩估计法凭借其宽松的分布假设、灵活的矩条件构造方式，以及利用内部变量构造工具变量的独特优势，成为当前动态面板模型估计的主流方法。自GMM方法首次被引入面板