DIF-GMM和SYS-GMM
DIF-GMM和SYS-GMM(System GMM)
面板数据模型最常用的估计方法是固定效应模型和随机效应模型,当解释变量具有内生性时,这两种模型均不能保证得出无偏的
参数
转速和进给参数表a氧化沟运行参数高温蒸汽处理医疗废物pid参数自整定算法口腔医院集中消毒供应
估计,此时,工具变量法是更为合适的估计方法。本文的实证模型中由于出现了滞后被解释变量,模型的内生性问
题
快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题
不可避免地出现了。为了得出实证方程(1)无偏估计值,选择合适的工具变量是十分必要的。对于这个问题, Arellano和Bond ( 1991) [15]提出了用一阶差分GMM ( first differenced GMM)估计方法来解决。但是, B lundell和Bond ( 1998) [16]曾指出,一阶差分GMM估计方法容易受到弱工具变量的影响而得到有偏的估计结果。为了克服弱工具变量的影响, Arellano和Bover ( 1995) [17]以及B lundell和Bond (1998)提出了另外一种更加有效的方法,即系统GMM ( System GMM)估计方法。其具体做法是将水平回归方程和差分回归方程结合起来进行估计,在这种估计方法中,滞后水平作为一阶差分的工具变量,而一阶差分又作为水平变量的工具变量。
*-两阶段估计
*-AB91(Tab4(a2)) 考虑异方差问题
*-思路:
* 利用第一阶段估计得到的残差构造方差-协方差矩阵,进而重新估计模型
xtabond n L(0/1).w L(0/2).(k ys) yr1980-yr1984, lags(2)
twostep
est store ab4_twostep
*-说明:此时,Sargan 检验无法拒绝原假设
estat sargan
*-AB91重要建议:
* (1) 采用一阶段估计结果进行系数显著性的统计推断;
* (2) 采用两阶段估计给出的 Sargan统计量进行模型筛选
*-进一步的讨论:
* 虽然AB91建议不要采用两阶段(非稳健)估计进行统计推断,
* 但Windmeijer(2005,Journal of Econometrics)通过模拟
分析
定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析
表明,
* 采用纠偏(bias-corrected,WC)后的稳健性VCE,可以更好地进行统计推断
xtabond n L(0/1).w L(0/2).(k ys) yr1980-yr1984, ///
lags(2) twostep vce(robust)
est store ab_wc_rb
*-结果对比
local mm "ab4_one_rb ab4_twostep ab_wc_rb"
esttab `mm',mtitle(`mm')
*-结论:
* AB91_onestep_rb 的结果与 AB91_WC_rb 的参数估计相同,后者标准误较大
* 建议采用 Windmeijer(2005) 两阶段-纠偏-稳健型 估计量。
*---------------------------------
*-7.8.4 系统GMM估计量 AB95,BB98 *---------------------------------
* ==本节目彔==
* 7.8.4.1 简介
* 7.8.4.2 xtabond2 命令
* -A- 使用 xtabond2 命令得到 -一阶差分估计量
* -B- 系统 GMM 估计量
* -C- 实例:中国上市公司资本结构动态调整
* -D- xtabond2 命令的其他用途
* 7.8.4.3 xtdpdsys 命令
* 7.8.4.4 xtdpd 命令
* 7.8.4.5 xtlsdvc 命令
*-----------------
*-7.8.4.1 简介
*-重点参考文献:
* Arellano and Bover (1995),
* Blundell and Bond(1998)
* Haha(1999), Judson and Owen(1999)
*-适用范围:大N,小T
*-AB91 的局限
* (1) 当 y[i,t-1] 的系数较大,即 y[i,t] 表现出强烈的序列相关时;
* (2) 当 Var[u_i]/Var[e_it] 较大时,
* 即个体效应的波动远大于常规干扰项的波动;
*-AB91 的表现欠佳。
* 原因在于,水平滞后项是差分方程中内生变量的-弱工具变量-;
* 因此,需要寻求更佳的工具变量
*- 系统GMM的基本思想:
*
*- 几个概念
*
* 水平值 —— y x
* 差分值 —— D.y D.x
* 水平方程:y_it = b1*y_it-1 + b2*x_it + u_i + v_it
* 可用工具变量:D.y[i,t-2] 可以作为 y[i,t-1] 的工具变量
* 差分方程:D.y_it = b1*D.y_it-1 + b2*D.x_it + D.v_it
* 可用工具变量:y[i,t-3],y[i,t-4]...都可以作为 D.y[i,t-1]的工具变量
*
*- 一阶差分GMM估计量与系统GMM估计量的区别
*
* (1) 差分GMM估计量采用水平值的滞后项作为差分变量的工具变量;
* 如 y_it-3 是 D.y_it-1 的工具变量
* (2) 系统GMM估计量进一步采用差分变量的滞后项作为水平值的工具变量;
* 相当于进一步增加了可用的工具变量,
* 且估计过程中同时使用水平方程和差分方程
* (3) 主要原因在于差分GMM的工具变量往往是弱工具变量,即 corr(X,Z) 过低
*
*- xtabond2 命令---Roodman(2005)
*
* 既可以估计差分 GMM 估计量,也可以估计系统 GMM 估计量;
* 同时可以估计一般化的回归模型
* 提供两阶自相关检验,Sargan检验,Hansen检验,以及工具变量外生性检验
*
*- xtdpdsys 命令---Stata官方命令,以 xtabond2命令 为基础