广义矩方法GMM的理论本质及方法延伸研究

发布时间：2020-11-12 20:05

　　 计量经济学发展的一个重要方向应该是计量经济理论与方法的创新与发展,或者说计量经济模型中统计推断方法的改善与推进。本论文则是关于计量经济学方法论中广义矩方法(GMM)的理论研究。 广义矩方法(GMM)是计量经济分析方法中的一种重要革新,其理论意义和实践价值是不言而喻的。从理论方法上看,GMM是从矩条件或矩方程出发对参数进行估计或检验,而无需考虑模型形式的设定以及可能由此引起的设定误差等问题,因而具有更为丰富的统计思想和更深层次的统计本质。从统计方法论来讲,GMM方法更具一般性,涵盖了诸多的传统计量经济分析方法。普通最小二乘法(OLS),工具变量法(Ⅳ),两阶段最小二乘法(2SLS),三阶段最小二乘法(3SLS),以及极大似然估计(ML)等均可视为GMM的特例；而LR,Wald,LM等检验也与GMM距离检验在统计意义上也有着本质上的联系。 毫不夸张的讲,GMM是现代计量经济学中重要而又通行的一种分析方法,具有更为深厚的统计理论背景和更广阔的应用前景,这也就为笔者从统计思想的视角研究GMM方法和相应的理论本质,提供了较为广阔的研究空间和分析视野。 基于上述想法,笔者主要从GMM的统计思想根源和理论本质、GMM估计量小样本性质的改进、GMM方法的延伸、Panel Data中GMM方法的统计特性等几个方面,进行了深入系统地研究和探索,试图揭示GMM本身所具有的统计性质和应用前景。论文研究的重点是,以参数估计和统计推断两个方面为全文的研究逻辑主线,力图深度挖掘GMM方法的理论内涵,解释GMM估计量统计性质,推进GMM分析的应用及改进应用的效果,探索GMM方法的拓展与延伸等方面,试图完善GMM统计方法体系,夯实GMM统计方法体系的理论基础。 具体而言,论文从GMM的思想根源、GMM估计量小样本性质的改进及GMM方法的延伸、Panel Data模型中GMM方法三个方面进行了自以为系统深入的研究。 在GMM的思想根源方面,本文从参数估计方法和检验方法两个方面对GMM的理论本质进行了深入的研究和阐释。就参数估计而言,GMM通过由理论假设或计量模型的统计性质衍生的矩条件,提供了一种一致估计模型参数的有效途径。GMM估计与最小χ2估计在理论上是相通的,GMM估计是最小χ‘估计的发展。其方法的核心是运用二次型的形式测度不同集合之间的距离,并在其最小化时得到参数估计量。就假设检验而言,计量经济学三大检验——Wald, LR, LM检验在一定条件下都是GMM距离检验的特殊情况。GMM距离检验无论是在理论意义上还是在实际应用上都更具有重要性和广泛性。 在GMM估计量小样本性质的改进及GMM方法的延伸方面,本文的研究特点和结论是：通过对广义经验似然(GEL)估计量数理结构的解析,清楚地认识到经验似然(EL),“指数倾斜”(ET),连续更新估计(CUE)等GEL类估计量的内在含义。GEL是一个估计量类,它更具一般性,是计量经济估计方法的新发展。另一方面,通过严密的分析论证揭示了广义经验似然(GEL)类估计量,包括EL, ET, CUE等估计量,比GMM估计量具有更小的高阶渐近估计偏误,即具有高阶有效性。这也就是说在应用中,特别是小样本的情况,GEL应是GMM的良好的替代和改进方法。GEL类估计量是GMM方法的改进与延伸。 在Panel Data模型中GMM方法方面,本文主要研究了包含不可观测的个体效应的Panel Data模型的有效或渐近有效估计方法；GMM估计及其与随机效应(RE)估计或固定效应(FE)估计的比较等内容。其中,本文主要的研究重点是放在了GMM方法在Panel Data模型中的使用前提,应用效果,以及GMM有效性的理论分析。 本论文的篇章结构与主要研究内容如下： 第一章绪论。本章就本文的研究背景,目的意义,内容特点及有关逻辑关系等进行概括性的论述。 第二章基础理论与文献综述。本章就重要的基础理论和有关的经典文献进行相应的分析和陈述。包括GMM的一般理论和方法,典型的GMM问题,GMM与工具变量(Ⅳ)估计,两阶段最小二乘(2SLS)估计的关系,收敛方式与随机阶数,GMM小样本性质改进的分析与述评,GMM方法延伸的有关评述,以及有关Panel Data中的GMM方法的综述等内容。 第三章GMM方法的思想根源与理论本质。本章主要是通过严密的数理证明在理论深度上揭示GMM的内涵本质和逻辑脉络。主要内容包括GMM与χ2统计量的关系；GMM检验统计量与Wald, LR, LM三大检验的关系。具体探究和证明了最小χ2估计与GMM估计在理论上是相通的,GMM估计是最小估计χ2的发展和延伸,GMM方法与χ2统计量的思想在理论上是一脉相承的。另一方面,Wald, LR, LM三大检验在一定条件下又是GMM检验的特殊情况。GMM距离检验与LR检验具有几乎相同的结构和机理；在模型是恰好识别时,它等于LM检验；在检验的假设是参数的线性函数时,它等于Wald检验。即Wald, LR, LM检验都是GMM检验的特殊情况。GMM距离检验在理论或是实际应用上更具重要性和广泛性。本章从估计和检验两个方面,探究并论证了GMM的普适性及优越性。并且通过一个实例分析了GMM方法的应用优势。 第四章GMM方法的延伸。在讨论估计量的有限或渐近统计性质及其评价标准和前提条件的基础上,本章结合GMM估计量小样本性质改进方面的思考,和相关的文献评述,着重研究GMM方法的延伸。重点是广义经验似然(GEL)类估计量(包括EL, ET, CUE等估计量)的数理结构和内在含义；从GMM到GEL的思想和方法上的演进,以及从高阶渐进偏差的角度论证GEL是GMM改进和延伸。并通过随机模拟方法比较GMM估计量和GEL类估计量的估计偏差,均方误差等指标。 第五章Panel Data中的GMM方法。GMM方法不仅在通常的截面数据或时间序列数据中有着重要的应用,它在Panel Data模型中的相关理论与方法也具有重要的理论意义和研究价值。本章在有关文献的背景下,主要分析研究GMM方法在Panel Data模型中有关理论方法及应用。随机效应(RE)估计和固定效应(FE)估计是Panel Data模型中两种广泛应用的估计方法。但是这两种估计量的一致性需要回归元的强外生性为前提。在条件弱化时,使用矩条件的GMM估计具有优势。本章对Panel Data模型中GMM方法作了重要的提炼和理论探究。 第六章结束语。本章是本文的总结以及未来的研究方向。 就本文的特色而言,笔者以为可归纳为如下的几点： (1)以统计思想为主线,通过系列的严密数理证明,在一定深度上揭示了GMM的统计内涵和逻辑脉络,证实了GMM在理论方法和实际应用上的重要作用和价值,深化了对GMM统计理论本质的理解,为丰富GMM统计理论体系进行了补遗工作； (2)较为系统、全面、深入地剖析和解读了GEL类估计量(包括EL,ET,CUE)的逻辑关系和数理结构,阐释了GEL类估计量比GMM估计量具有更小的渐近估计偏差,GEL类估计量是GMM的改进与延伸等观点,进而较为深刻地理解了GEL的内在本质； (3)采用理论证明、模拟研究、实例佐证三者结合的研究范式,突出估计和推断两个主题,深度研究和挖掘了GMM方法的理论本质及方法拓展,尝试性地探寻了计量经济学估计方法创新突破的方向,为实际应用提供了较为坚实的理论基础。
【学位单位】：西南财经大学
【学位级别】：博士
【学位年份】：2010
【中图分类】：F224.0
【部分图文】：

市场超额收益150200

广义矩方法GMM的理论本质及方法延伸研究表3.1:AT&T股票的最小二乘估计结果系系系数估计值值标准差差t值值p值值截截距aaa一0.01849990.1185000一0.156660.87666斜斜率刀刀0.88428880.041877721.11777Ze.1666残残差标准差=1.672;自由度d介195;RZ一0.6925;刀2=0.691000FFF副抖5.9，P一value<2.2e一1666

GMM方法的思想根源与理论本质=0.06194)均为显著(取显著性水平a二0.仍)。表明残差序列没有自相关。图3一4是残差序列及残差的ACF和PACF图。data:reSIX一squared‘下.5251，df=5，p一v反lu已=0.18任经d包七色:re31X一，quared，生 7.32弓;0。0675da七a:reSIX一3quared=2吸.19，df=10，p一v反lu已=d上二15，p一value二 0.0619吸﹂O哎节毛d.lJ.
【引证文献】

相关硕士学位论文 前1条

1 陈金俊;要素价格上升与出口质量升级[D];浙江大学;2014年

本文编号：2881184