- 1
- 0
- 约7.46千字
- 约 14页
- 2026-11-19 发布于上海
- 举报
广义矩估计(GMM)的弱工具问题修正方案
一、引言:GMM应用场景下弱工具问题的研究缘起
广义矩估计是当前社会科学领域量化研究中处理内生性问题、开展因果识别的核心方法之一,由于其不需要对扰动项的分布形式做出严格假设,能够灵活适配从微观截面数据到宏观时间序列、从短面板到动态面板的各类数据场景,被广泛应用于政策效果评估、个体行为分析、经济机制检验等各类研究主题中。在长期的应用实践中,工具变量的有效性始终是决定GMM估计结果可信度的核心前提,传统的方法训练往往更强调工具变量的外生性要求,即工具变量需要与模型扰动项不相关,却在很长一段时间内忽视了工具变量与内生解释变量的相关性强度要求。直到三十余年前,一系列方法研究和实证复算发现,当工具变量与内生解释变量的相关性较弱时,GMM估计不仅会出现严重的点估计偏误,还会导致统计推断结果的系统性失真,带来大量虚假显著的研究结论,这一问题也被学界称为“弱工具问题”。
弱工具问题的普遍性远超很多研究者的认知,尤其是在研究设计不断追求外生冲击的趋势下,不少研究为了满足外生性要求,刻意选择与内生变量关联极弱的变量作为工具,反而让估计结果的偏差比不处理内生性的普通回归更严重。正因如此,系统梳理弱工具问题的形成逻辑,总结从技术调整到设计优化的多层修正方案,明确各类方案的适用边界,对于提升GMM估计的可信度、减少实证研究中的虚假因果结论,有着十分重要的现实意义。本
原创力文档

文档评论(0)