广义矩估计(GMM)在动态面板模型中的比较研究.docxVIP

  • 0
  • 0
  • 约7.44千字
  • 约 14页
  • 2026-11-21 发布于上海
  • 举报

广义矩估计(GMM)在动态面板模型中的比较研究.docx

广义矩估计(GMM)在动态面板模型中的比较研究

一、引言

面板数据因同时整合了截面维度的个体差异信息与时间维度的动态变化信息,能够有效控制不可观测的个体异质性、缓解变量间的多重共线性干扰,已成为社会科学实证研究领域应用最广泛的数据形态之一。在众多现实研究场景中,个体的当期决策往往存在明显的路径依赖特征,比如居民的消费习惯养成、企业的投资决策延续、区域的经济增长轨迹、公共政策的效果传导都存在持续的动态调整过程,这就需要在模型中引入被解释变量的滞后项,构建动态面板模型刻画这种跨期影响关系。但动态面板模型的估计始终是计量分析中的难点,滞后被解释变量的引入会带来不可避免的内生性问题,传统的混合最小二乘估计、固定效应估计、随机效应估计都无法得到一致的估计结果,很容易得出有偏甚至完全相反的研究结论。

广义矩估计方法凭借其灵活的矩条件构造方式、较弱的分布假设要求,成为当前短动态面板模型估计的主流工具,被广泛应用于经济学、社会学、公共管理等多个领域的实证研究中。但随着GMM方法的普及,关于不同估计量选择的争议也始终存在:部分研究者默认系统GMM的性能全面优于早期估计方法,不考虑数据特征就直接选用;也有学者指出系统GMM依赖的假设过强,在很多场景下的估计偏差反而大于更简单的差分GMM;还有不少应用研究没有遵循基本的方法规范,忽略必要的诊断检验,导致估计结果可信度不足。基于这一背景,本文将从动态面板模

文档评论(0)

1亿VIP精品文档

相关文档