Khi nào nên cân nhắc sử dụng GMM?


15

Một trong những điều làm cho kinh tế lượng trở nên độc đáo là việc sử dụng kỹ thuật Phương pháp tổng quát về các khoảnh khắc.

Những loại vấn đề nào làm cho GMM phù hợp hơn các kỹ thuật ước tính khác? Điều gì sử dụng GMM mua cho bạn về hiệu quả hoặc giảm độ lệch hoặc ước tính tham số cụ thể hơn?

Ngược lại, bạn mất gì khi sử dụng GMM trên MLE, v.v.?


GMM là một phương pháp bán tham số; nó cũng là một phương thức thông tin một phần, so với MLE (thông tin đầy đủ).
Dimitris

3
Kỹ thuật GMM không phải là duy nhất đối với kinh tế lượng - mặc dù các hương vị khác của thống kê có xu hướng có tên khác cho cùng một ý tưởng. Chúng phổ biến ở bất cứ nơi nào bạn muốn thực hiện suy luận thống kê nhưng không thể biện minh cho phương pháp mô hình hóa đầy đủ (hoặc không muốn) - xem các ứng dụng trong thống kê sinh học, nghiên cứu khảo sát, khoa học xã hội và có thể nhiều thứ khác.
khách

Lưu ý, thẻ [gmm] được áp dụng cho chủ đề này và chỉ nên duy trì trên chủ đề này để nó không biến mất. Bản thân thẻ không rõ ràng & không nên được sử dụng chung; thay vì các thẻ cụ thể [generalized-moments] , [gaussian-mixture-model], hoặc [growth-mixture-model] nên được sử dụng cho chủ đề trong tương lai.
gung - Tái lập Monica

1
Nếu bạn muốn gấp TSLS theo GMM, thì bạn cũng có thể nói tương tự đối với OLS, do đó, nói rằng GMM là TSLS và GMM và TSLS giúp loại bỏ các loại sai sót nội sinh. Vấn đề ở đây là "tại sao bạn lại muốn gặp rắc rối thêm của một số mô hình GMM chuyên dụng?" Đó có thể là câu hỏi hợp lệ và sâu sắc, đặc biệt nếu khó kiểm tra sức mạnh hoặc tính hợp lệ của bất kỳ công cụ nào bạn có thể đang cố gắng sử dụng để thanh lọc tính nội sinh.

Tại sao chúng ta nên sử dụng GMM? Tại sao bạn nên chuyển từ các mô hình khác sang GMM?

Câu trả lời:


6

Ý nghĩa của các lý thuyết kinh tế thường được hình thành một cách tự nhiên theo các hạn chế về thời điểm có điều kiện (xem ví dụ ứng dụng định giá tài sản ban đầu của LP Hansen), tạo ra một loạt các hạn chế vô điều kiện do đó dẫn đến việc quá mức. Thay vì tự ý chọn "bình phương nào để giảm thiểu" để đáp ứng một tập hợp con của những hạn chế đó chính xác bằng cách sử dụng bất cứ thứ gì - LS, GMM cung cấp một cách kết hợp hiệu quả tất cả chúng.

MLE yêu cầu một đặc điểm kỹ thuật hoàn chỉnh - tất cả các khoảnh khắc của tất cả các biến ngẫu nhiên có trong mô hình phải được khớp. Nếu những hạn chế bổ sung đó được thỏa mãn trong dân số, thì tự nhiên bạn sẽ có được một công cụ ước tính hiệu quả hơn, có lẽ, với chức năng mục tiêu ứng xử tốt hơn sẽ được tối ưu hóa.

Tuy nhiên, trong bối cảnh ước tính mô phỏng, tính phi tuyến của các hàm khả năng đưa ra một nguồn sai lệch bổ sung, làm phức tạp việc so sánh với SMM.


5

GMM thực tế là phương pháp ước tính duy nhất mà bạn có thể sử dụng, khi bạn gặp phải các vấn đề nội sinh. Vì chúng ít nhiều là duy nhất đối với toán kinh tế lượng, điều này giải thích cho sự thu hút GMM. Lưu ý rằng điều này áp dụng nếu bạn đưa các phương pháp IV vào GMM, đây là điều hoàn toàn hợp lý để làm.


Vâng, bạn có thể ước tính IV rất nhiều cách phải không? TSLS, vv .... Nhưng GMM có lẽ là linh hoạt nhất.
Ari B. Friedman

4
TSLS là GMM với ma trận trọng số đặc biệt.
mpiktas

Đây có thể là ngữ nghĩa nitpicky, nhưng tôi xem TSLS là quy trình riêng của mình, có thể được xem là trường hợp đặc biệt của GMM. Chỉ vì bạn có thể chạy OLS trong GLM không tạo OLS: = GLM ....
Ari B. Friedman

Trong lịch sử có. Nhưng điều trị TSLS như thủ tục GMM là rất tự nhiên. Xem Phân tích kinh tế lượng của dữ liệu mặt cắt và bảng điều khiển của Wooldridge, chương 8, ví dụ. Tôi không biết chắc chắn, nhưng tôi nghĩ GMM được coi là sự khái quát hóa của TSLS, vì vậy việc đưa nó vào GMM dường như là thận trọng.
mpiktas

Như tôi đã nói ... ngữ nghĩa. :-) Nhưng +1 cho câu trả lời hay.
Ari B. Friedman

2

Một câu trả lời một phần dường như là :

"Trong các mô hình có nhiều điều kiện thời điểm hơn tham số mô hình, ước tính GMM cung cấp một cách đơn giản để kiểm tra đặc điểm kỹ thuật của mô hình được đề xuất. Đây là một tính năng quan trọng duy nhất cho ước tính GMM."

Điều này có vẻ như rất quan trọng nhưng không đủ để giải thích hoàn toàn mức độ phổ biến của GMM trong các số liệu.


2
Điều đó hoàn toàn chính xác; Tôi không biết tại sao bạn nghĩ rằng đây là một câu trả lời một phần. Để bổ sung: giả sử rằng điều kiện 1 khoảnh khắc là đủ để xác định các tham số, nhưng lý thuyết cung cấp một tập hợp các điều kiện thời điểm, tất cả đều có giá trị như nhau. Trong trường hợp đó, thay vì chọn điều kiện một khoảnh khắc một cách ngẫu nhiên, sẽ trực quan hơn để giảm thiểu một số sai lệch trung bình có trọng số từ mỗi điều kiện thời điểm. Đây là, đại khái, những gì công cụ ước tính GMM làm.

Ah, tôi chỉ nhận thấy rằng câu hỏi của bạn yêu cầu nhiều hơn là tại sao GMM được sử dụng.

@Zermelo: Chính xác ;-)
Ari B. Friedman
Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.