- Обобщенный метод моментов
-
Обобщенный метод моментов (ОММ, GMM - Generalized Method of Moments) - метод, применяемый в математической статистике и эконометрике для оценки неизвестных параметров распределений и эконометрических моделей, являющийся обобщением классического метода моментов. Метод был предложен Хансеном в 1982 году. В отличие от классического метода моментов количество ограничений может быть больше количества оцениваемых параметров.
Содержание
Сущность метода
Пусть распределение случайного вектора x зависит от некоторого вектора неизвестных параметров b (количество параметров - k). Пусть также имеются некоторые функции g(x,b) (их количество q не меньше числа оцениваемых параметров), называемые моментными функциями (или просто моментами), для которых из теоретических соображений предполагается, что
Базовая идея метода моментов заключается в использовании в моментных условиях вместо математических ожиданий их выборочные аналоги - выборочные средние
которые согласно закону больших чисел при достаточно слабых условиях должны асимтотически сходится к математическим ожиданиям. Поскольку количество условий на моменты в общем случае больше количества оцениваемых параметров, то однозначного решения эта система ограничений не имеет.
Обобщенным методом моментов (ОММ, GMM - Generalized Method of Moments) называется оценка минимизирующая положительно определенную квадратичную форму от выборочных условий на моменты, в которых вместо математических ожиданий используются выборочные средние:
где W - некоторая симметрическая положительно определенная матрица.
Весовая матрица может быть произвольной (с учетом положительной определенности), однако, доказано, что наиболее эффективными являются GMM-оценки с весовой матрицей, равной обратной ковариацинной матрице моментных функций . Это так называемый эффективный GMM.
Однако, поскольку на практике эта ковариационная матрица неизвестна, то применяют двухшаговую процедуру (двухшаговый GMM - Хансен, 1982 г.):
Шаг 1. Оцениваются параметры модели с помощью GMM с единичной весовой матрицей
Шаг 2. По выборочным данным и найденным на первом шаге значениям параметров оценивают коварицаонную матрицу моментных функций и используют полученную оценку в эффетивном GMM.
Эту двухшаговую процедуру можно продолжить (итеративный GMM): используя оценки параметров модели на втором шаге ковариационная матрица моментов оценивается снова и повторно применяется эффективный GMM и т.д. итеративно до достижения требуемой точности.
Также возможен подход к численной минимизации целевой функции по неизвестным параметрам . Тем самым одновременно оцениваются и параметры и ковариационная матрица. Это так называемый непрерывно обновляемый (Continuously Updated) GMM (Хансен, Хитон, Ярон, 1996 год).
Свойства метода
Оценки обобщенного метода моментов при достаточно слабых условиях являются состоятельными, асимптотически нормальными, а оценки эффективного GMM являются также асимптотически эффективными. Можно показать, что
В общем случае
где G-математическое ожидание матрицы первых производных g по параметрам. В случае эффективного GMM формула ковариационной матрицы существенно упрощается:
J-тест
При использовании GMM важным тестом является тест на сверхидентифицирующие ограничения (J-тест). Нулевая гипотеза заключается в том, что условия (ограничения) на моменты имеют место (то есть предположения модели верны). Альтернативная - что они неверны.
Статистика теста равна значению целевой функции GMM, умноженному на количество наблюдений. При нулевой гипотезе
Таким образом, если значения статистики больше критического значения распределения при заданном уровне значимости, то ограничения отвергаются (модель неадекватна), в противном случае модель признается адекватной.
См. также
- Метод моментов
- Метод наименьших квадратов
- Метод инструментальных переменных
- Метод максимального правдоподобия
Литература
- Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс. — М.: Дело, 2007. — 504 с. — ISBN 978-5-7749-0473-0
Категории:- Эконометрика
- Математическая статистика
Wikimedia Foundation. 2010.