發(fā)布時間：2020-11-12 20:05

　　 計量經濟學發(fā)展的一個重要方向應該是計量經濟理論與方法的創(chuàng)新與發(fā)展,或者說計量經濟模型中統(tǒng)計推斷方法的改善與推進。本論文則是關于計量經濟學方法論中廣義矩方法(GMM)的理論研究。 廣義矩方法(GMM)是計量經濟分析方法中的一種重要革新,其理論意義和實踐價值是不言而喻的。從理論方法上看,GMM是從矩條件或矩方程出發(fā)對參數進行估計或檢驗,而無需考慮模型形式的設定以及可能由此引起的設定誤差等問題,因而具有更為豐富的統(tǒng)計思想和更深層次的統(tǒng)計本質。從統(tǒng)計方法論來講,GMM方法更具一般性,涵蓋了諸多的傳統(tǒng)計量經濟分析方法。普通最小二乘法(OLS),工具變量法(Ⅳ),兩階段最小二乘法(2SLS),三階段最小二乘法(3SLS),以及極大似然估計(ML)等均可視為GMM的特例；而LR,Wald,LM等檢驗也與GMM距離檢驗在統(tǒng)計意義上也有著本質上的聯系。 毫不夸張的講,GMM是現代計量經濟學中重要而又通行的一種分析方法,具有更為深厚的統(tǒng)計理論背景和更廣闊的應用前景,這也就為筆者從統(tǒng)計思想的視角研究GMM方法和相應的理論本質,提供了較為廣闊的研究空間和分析視野。 基于上述想法,筆者主要從GMM的統(tǒng)計思想根源和理論本質、GMM估計量小樣本性質的改進、GMM方法的延伸、Panel Data中GMM方法的統(tǒng)計特性等幾個方面,進行了深入系統(tǒng)地研究和探索,試圖揭示GMM本身所具有的統(tǒng)計性質和應用前景。論文研究的重點是,以參數估計和統(tǒng)計推斷兩個方面為全文的研究邏輯主線,力圖深度挖掘GMM方法的理論內涵,解釋GMM估計量統(tǒng)計性質,推進GMM分析的應用及改進應用的效果,探索GMM方法的拓展與延伸等方面,試圖完善GMM統(tǒng)計方法體系,夯實GMM統(tǒng)計方法體系的理論基礎。 具體而言,論文從GMM的思想根源、GMM估計量小樣本性質的改進及GMM方法的延伸、Panel Data模型中GMM方法三個方面進行了自以為系統(tǒng)深入的研究。 在GMM的思想根源方面,本文從參數估計方法和檢驗方法兩個方面對GMM的理論本質進行了深入的研究和闡釋。就參數估計而言,GMM通過由理論假設或計量模型的統(tǒng)計性質衍生的矩條件,提供了一種一致估計模型參數的有效途徑。GMM估計與最小χ2估計在理論上是相通的,GMM估計是最小χ‘估計的發(fā)展。其方法的核心是運用二次型的形式測度不同集合之間的距離,并在其最小化時得到參數估計量。就假設檢驗而言,計量經濟學三大檢驗——Wald, LR, LM檢驗在一定條件下都是GMM距離檢驗的特殊情況。GMM距離檢驗無論是在理論意義上還是在實際應用上都更具有重要性和廣泛性。 在GMM估計量小樣本性質的改進及GMM方法的延伸方面,本文的研究特點和結論是：通過對廣義經驗似然(GEL)估計量數理結構的解析,清楚地認識到經驗似然(EL),“指數傾斜”(ET),連續(xù)更新估計(CUE)等GEL類估計量的內在含義。GEL是一個估計量類,它更具一般性,是計量經濟估計方法的新發(fā)展。另一方面,通過嚴密的分析論證揭示了廣義經驗似然(GEL)類估計量,包括EL, ET, CUE等估計量,比GMM估計量具有更小的高階漸近估計偏誤,即具有高階有效性。這也就是說在應用中,特別是小樣本的情況,GEL應是GMM的良好的替代和改進方法。GEL類估計量是GMM方法的改進與延伸。 在Panel Data模型中GMM方法方面,本文主要研究了包含不可觀測的個體效應的Panel Data模型的有效或漸近有效估計方法；GMM估計及其與隨機效應(RE)估計或固定效應(FE)估計的比較等內容。其中,本文主要的研究重點是放在了GMM方法在Panel Data模型中的使用前提,應用效果,以及GMM有效性的理論分析。 本論文的篇章結構與主要研究內容如下： 第一章緒論。本章就本文的研究背景,目的意義,內容特點及有關邏輯關系等進行概括性的論述。 第二章基礎理論與文獻綜述。本章就重要的基礎理論和有關的經典文獻進行相應的分析和陳述。包括GMM的一般理論和方法,典型的GMM問題,GMM與工具變量(Ⅳ)估計,兩階段最小二乘(2SLS)估計的關系,收斂方式與隨機階數,GMM小樣本性質改進的分析與述評,GMM方法延伸的有關評述,以及有關Panel Data中的GMM方法的綜述等內容。 第三章GMM方法的思想根源與理論本質。本章主要是通過嚴密的數理證明在理論深度上揭示GMM的內涵本質和邏輯脈絡。主要內容包括GMM與χ2統(tǒng)計量的關系；GMM檢驗統(tǒng)計量與Wald, LR, LM三大檢驗的關系。具體探究和證明了最小χ2估計與GMM估計在理論上是相通的,GMM估計是最小估計χ2的發(fā)展和延伸,GMM方法與χ2統(tǒng)計量的思想在理論上是一脈相承的。另一方面,Wald, LR, LM三大檢驗在一定條件下又是GMM檢驗的特殊情況。GMM距離檢驗與LR檢驗具有幾乎相同的結構和機理；在模型是恰好識別時,它等于LM檢驗；在檢驗的假設是參數的線性函數時,它等于Wald檢驗。即Wald, LR, LM檢驗都是GMM檢驗的特殊情況。GMM距離檢驗在理論或是實際應用上更具重要性和廣泛性。本章從估計和檢驗兩個方面,探究并論證了GMM的普適性及優(yōu)越性。并且通過一個實例分析了GMM方法的應用優(yōu)勢。 第四章GMM方法的延伸。在討論估計量的有限或漸近統(tǒng)計性質及其評價標準和前提條件的基礎上,本章結合GMM估計量小樣本性質改進方面的思考,和相關的文獻評述,著重研究GMM方法的延伸。重點是廣義經驗似然(GEL)類估計量(包括EL, ET, CUE等估計量)的數理結構和內在含義；從GMM到GEL的思想和方法上的演進,以及從高階漸進偏差的角度論證GEL是GMM改進和延伸。并通過隨機模擬方法比較GMM估計量和GEL類估計量的估計偏差,均方誤差等指標。 第五章Panel Data中的GMM方法。GMM方法不僅在通常的截面數據或時間序列數據中有著重要的應用,它在Panel Data模型中的相關理論與方法也具有重要的理論意義和研究價值。本章在有關文獻的背景下,主要分析研究GMM方法在Panel Data模型中有關理論方法及應用。隨機效應(RE)估計和固定效應(FE)估計是Panel Data模型中兩種廣泛應用的估計方法。但是這兩種估計量的一致性需要回歸元的強外生性為前提。在條件弱化時,使用矩條件的GMM估計具有優(yōu)勢。本章對Panel Data模型中GMM方法作了重要的提煉和理論探究。 第六章結束語。本章是本文的總結以及未來的研究方向。 就本文的特色而言,筆者以為可歸納為如下的幾點： (1)以統(tǒng)計思想為主線,通過系列的嚴密數理證明,在一定深度上揭示了GMM的統(tǒng)計內涵和邏輯脈絡,證實了GMM在理論方法和實際應用上的重要作用和價值,深化了對GMM統(tǒng)計理論本質的理解,為豐富GMM統(tǒng)計理論體系進行了補遺工作； (2)較為系統(tǒng)、全面、深入地剖析和解讀了GEL類估計量(包括EL,ET,CUE)的邏輯關系和數理結構,闡釋了GEL類估計量比GMM估計量具有更小的漸近估計偏差,GEL類估計量是GMM的改進與延伸等觀點,進而較為深刻地理解了GEL的內在本質； (3)采用理論證明、模擬研究、實例佐證三者結合的研究范式,突出估計和推斷兩個主題,深度研究和挖掘了GMM方法的理論本質及方法拓展,嘗試性地探尋了計量經濟學估計方法創(chuàng)新突破的方向,為實際應用提供了較為堅實的理論基礎。
【學位單位】：西南財經大學
【學位級別】：博士
【學位年份】：2010
【中圖分類】：F224.0
【部分圖文】：

市場超額收益150200

廣義矩方法GMM的理論本質及方法延伸研究表3.1:AT&T股票的最小二乘估計結果系系系數估計值值標準差差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殘殘差標準差=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方法的思想根源與理論本質=0.06194)均為顯著(取顯著性水平a二0.仍)。表明殘差序列沒有自相關。圖3一4是殘差序列及殘差的ACF和PACF圖。data:reSIX一squared‘下.5251，df=5，p一v反lu已=0.18任經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哎節(jié)毛d.lJ.
【引證文獻】

相關碩士學位論文 前1條

1 陳金俊;要素價格上升與出口質量升級[D];浙江大學;2014年

本文編號：2881184