GMM估计中文讲义2_第1页
GMM估计中文讲义2_第2页
GMM估计中文讲义2_第3页
GMM估计中文讲义2_第4页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1、GMM估计中文讲义2线性模型是，是，。如果没有其他约束，的渐进有效估计量是OLS估计。现在假设给定一个信息，我们可以把模型写为，如何估计？一种就是OLS估计。然而这种方法不是必然有效的，当在方程中有个约束，然而的维数，这种情况称为过渡识别。这里有比自由参数多的矩约束，我们称是过渡约束识别个数。让是个方程，参数为，且，有 （1）是的真实值，在上面线性模型中有。在计量经济学里，这类模型称为矩条件模型。在统计学中，这称为估计方程。另外，我们还有一个线性矩条件模型，和的维数都是，且有，如果则模型是恰好识别，否则是过渡识别。变量是的一部分或是的函数。模型（1）可以设置为， （2）GMM估计模型（2）样本

2、均值为 （3）的矩估计量就是设置。对于个方程大于参数的情形，GMM估计思想就是设置近可能的接近于零。对于加权矩阵，让这是向量长度的非负测度。例如，如果，则有。GMM估计就是最小化，即定义。注意，如果，则，GMM估计就是矩估计方法。GMM估计的一阶条件为则的GMM估计为GMM估计量的分布 假设，令 和 这里，则 定理1： 为了使最小，最优加权矩阵（证明留作练习）。这产生了最有效的GMM估计量：这时，我们有定理2：对于有效的GMM估计量，实际上是未知的，但它能一致估计。对于任何，我们仍然称是有效的GMM估计量，且有相同的渐进分布。有效即意味着GMM估计量有最小的渐进方差。当我们只考虑加权矩阵，这是

3、弱有效概念。然而Gary Chamberlain (1987)证明这个GMM估计量是半参数有效的。有效加权矩阵估计 对于给定的，的GMM估计量是一致但不是有效的，例如。在线性模型，一个较好的选择是。给定第一步估计量，我们定义残差，矩方程，构造 定义那么有，使用得到的GMM估计量是渐进有效的。一个替代性选择是，使用非中心化的矩条件。因为，这两种估计量在正确的假设下是渐进相等的。然而，Alastair Hall (2000) 指出非中心化估计量是较差的选择。当构造假设检验，备择假设下的矩条件是无效的，如，所以非中心化的估计量包含着偏误项，以及对检验势的影响。对于线性模型，有效的GMM估计量可以这样计算，首先，设置，使用此加权矩阵估计，构造残差，矩方程。则GMM估计为 在多数例子中，当我们说“GMM”时，其实我们就意味着是“有效GMM”。当有效估计量比较容易计算时，有一点需要注意就是我们在使用非有效的GMM估计量。的渐进方差估计量为，刚才给出的两阶段GMM估计的一个重要替代估计方法，是L. Hansen, Heaton and Yaron (1996)的continuously-updated GMM估计。即我们让加权矩阵是的函数，则矩条件方程是，定理3：在一般规则条件下，。的方差

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论