广义矩估计(GMM)的渐进性质.docxVIP

广义矩估计(GMM)的渐进性质

一、引言

（一）广义矩估计的背景与意义

在计量经济学的实证研究中，研究者常常面临经典估计方法的局限：比如极大似然估计依赖严格的分布假设，当对数据的分布形式缺乏足够认知时，其估计结果的可靠性会大打折扣；普通最小二乘法则要求解释变量与误差项不相关的强假设，而现实中很多经济变量存在内生性问题，这一假设难以满足。在这样的背景下，广义矩估计方法应运而生，它无需依赖严格的分布假设，仅基于矩条件进行参数估计，为解决内生性、非线性等复杂计量问题提供了灵活且有效的工具。广义矩估计的核心在于利用样本矩近似总体矩，通过最小化样本矩的加权平方和来得到参数估计值，而由于现实研究中样本量始终是有限的，小样本下GMM估计量的性质往往不够稳定，因此其大样本下的渐进性质便成为评价该估计方法优劣、保障实证结果可靠性的核心依据。

（二）渐进性质的研究价值

渐进性质是计量经济学大样本理论的核心组成部分，主要包括一致性、渐进正态性与渐进有效性三大维度。一致性保证了随着样本量趋近于无穷大，估计量会依概率收敛于真实参数值，这是对估计量最基本的要求；渐进正态性则使得研究者能够在大样本下构建置信区间、进行假设检验，为实证分析提供统计推断的基础；渐进有效性则确保GMM估计量在所有满足一致性与渐进正态性的估计量中，拥有最小的渐进方差，即估计精度最优。自Hansen首次系统提出GMM方法并阐述其渐进性质以