广义矩估计在动态面板模型中的有限样本性质.docxVIP

  • 0
  • 0
  • 约7.49千字
  • 约 14页
  • 2026-11-19 发布于上海
  • 举报

广义矩估计在动态面板模型中的有限样本性质.docx

广义矩估计在动态面板模型中的有限样本性质

一、引言

面板数据因同时整合了截面维度的个体异质性信息与时间维度的动态变化信息,相比传统截面数据或时间序列数据更适合捕捉变量的跨期调整规律,被广泛应用于经济学、社会学、公共管理、公共卫生等多个研究领域。现实中绝大多数社会经济与个体行为现象都存在明显的路径依赖特征:居民消费会受长期形成的消费习惯影响,企业投资决策会参考往期投资水平,区域经济增长存在持续的路径锁定效应,甚至个体健康状况、公共舆情演化也存在跨期相关性,这也使得包含滞后被解释变量的动态面板模型,成为实证研究中应用最普遍的计量模型之一。

动态面板模型的核心识别难点,来自滞后被解释变量作为解释变量带来的内生性问题,传统的固定效应、随机效应估计方法在处理这类内生性时存在难以克服的系统性偏差。广义矩估计(简称GMM)方法的提出,从理论上解决了短动态面板的一致估计问题,通过利用模型内部的滞后变量构造工具变量,不需要依赖外部工具变量就可以得到大样本下一致、有效的估计结果,因此很快成为动态面板实证研究的主流方法(ArellanoBond,1991)。但随着方法的普及,越来越多的研究者发现,广义矩估计的优良性质完全建立在截面样本量趋向无穷大的渐近假设之上,而现实研究中可用的样本永远是有限的,尤其是在微观企业调研、区域宏观研究等场景中,截面样本量往往不大,时间维度也很难满足大样本假设,此时广义矩

文档评论(0)

1亿VIP精品文档

相关文档