广义矩估计GMM工具变量选取规则.docxVIP

广义矩估计GMM工具变量选取规则

一、GMM工具变量选取的研究背景与核心价值

（一）GMM方法的应用场景与内生性困境

广义矩估计（GMM）作为处理内生性问题的核心计量方法，近年来在劳动经济学、发展经济学、公司金融、宏观经济分析等多个领域得到广泛应用。相比于传统的普通最小二乘估计、工具变量估计等方法，GMM对模型设定的要求更宽松，不需要对随机扰动项的分布做出严格假定，同时可以处理存在异方差、序列相关的情况，尤其适用于面板数据的因果推断研究（陈强，2014）。但GMM方法的有效性高度依赖工具变量的选取质量——如果工具变量选取不当，不仅无法解决内生性问题，反而可能产生比普通最小二乘更严重的估计偏误，甚至得出完全相反的研究结论。

所谓内生性，指的是模型中的解释变量与随机扰动项存在相关关系，其来源通常包括遗漏变量、反向因果、测量误差三类，是实证研究中实现因果推断的核心障碍（伍德里奇，2015）。比如研究教育对收入的影响时，个人能力既会影响教育水平，也会直接影响收入，却往往无法被准确观测，属于典型的遗漏变量导致的内生性；又比如研究金融发展对经济增长的影响时，经济增长反过来也会促进金融市场的发展，属于反向因果导致的内生性。GMM通过引入工具变量，将内生解释变量的变动拆分为与扰动项相关和无关的两部分，仅用无关部分估计因果效应，从而解决内生性问题，这一过程中工具变量的质量直接决定了估计结果的可靠程度