使计量经济学与众不同的一件事是使用广义矩法。
哪些类型的问题使GMM比其他估算技术更合适?从效率,减少偏差或更具体的参数估计的角度来看,使用GMM有什么好处?
相反,通过在MLE上使用GMM等会丢失什么?
GMM是一种半参数方法;与(完整信息)MLE相比,它也是一种部分信息方法。
—
Dimitris
GMM技术并不是计量经济学独有的-尽管其他统计学家也倾向于为相同的想法取其他名字。它们在您想进行统计推断但无法证明(或不希望使用)完整建模方法的任何地方都很流行-请参阅生物统计学,调查研究,社会科学等领域的应用程序。
—
2012年
请注意,标记
—
gung-恢复莫妮卡
[gmm]
已应用于此线程,&应该仅保留在该线程上,以使其不会消失。标签本身含糊不清,一般不应使用;而不是特定的标签 [generalized-moments]
,[gaussian-mixture-model]
,还是 [growth-mixture-model]
应该用于未来的线程。
如果要在GMM下折叠TSLS,那么也可以对OLS说同样的话,因此说GMM是TSLS,而说GMM和TSLS有助于摆脱内生性,这很不切实际。这里的重点是“您为什么要麻烦一些专业的GMM模型?” 这可能是一个有效而深刻的问题,尤其是如果很难测试您尝试用来清除内生性的任何工具的强度或有效性时。