Việc đánh giá gmm trên eviews rất dễ dàng, mô hình gmm là một trong những mô hình vô cùng quan trọng, khi nghiên cứu các vấn đề kinh tế, mục đích của việc đưa ra mô hình hồi quy gmm là khắc phục các vấn đề nội sinh trong kinh tế và khắc phục yếu tố nội sinh Đối với dữ liệu 1D, chúng tôi thường sử dụng hồi quy biến công cụ (2sls) để khắc phục, nhưng đối với dữ liệu bảng, chúng tôi thường sử dụng gmm để khắc phục yếu tố nội sinh. Trong bài viết này, anhhung.mobi sẽ hướng dẫn các bạn hồi quy gmm trên eviews một cách dễ dàng để khắc phục tính nội sinh của các biến kinh tế.
Bạn đang xem: Mô hình gmm là gì? Khi nào gmm được sử dụng? Khi nào thì sử dụng gmm
Nội dung xuất sắc
Giá trị ước tính của gmm là gì?
gmm là tên viết tắt của Generalized Method of Moments, là thuật ngữ chung cho một loạt các phương pháp hồi quy/ước tính được sử dụng để xác định các tham số của mô hình thống kê hoặc kinh tế lượng. gmm được sử dụng để tìm/ước tính các tham số của các mô hình tham số và phi tham số.
gmm được phát triển bởi lars peter hansen vào năm 1982 dựa trên sự tổng quát hóa của phương pháp hồi quy thời điểm.
gmm được sử dụng nhiều hơn trong dữ liệu bảng, đặc biệt khi t nhỏ hơn n nhiều lần hoặc khi dữ liệu không đồng đều.
Mục đích của ước tính gmm
Trong kinh tế lượng và thống kê, phương pháp chung của thời điểm (gmm) là một phương pháp phổ biến để ước tính các tham số trong các mô hình thống kê. Thông thường, nó được áp dụng trong ngữ cảnh của các mô hình bán phổ biến, trong đó các tham số quan tâm là hữu hạn chiều và hình dạng đầy đủ của hàm phân phối của dữ liệu có thể không được biết và do đó được ước tính. Khả năng tối đa không áp dụng.
Phương pháp này yêu cầu phải chỉ định một số điều kiện nhất định cho mô hình. Các điều kiện thời điểm này là các chức năng của các tham số mô hình và dữ liệu, vì vậy các giá trị kỳ vọng của chúng bằng 0 tại các giá trị thực của các tham số. Sau đó, phương pháp gmm giảm thiểu một định mức nhất định của giá trị trung bình mẫu được điều hòa theo thời gian và do đó có thể được coi là một trường hợp đặc biệt của ước tính khoảng cách tối thiểu.
Công cụ ước tính GMM được biết đến là nhất quán, thường không có triệu chứng và hiệu quả trong tất cả các loại công cụ ước tính, không sử dụng thông tin nào khác ngoài các điều kiện có trong điều kiện thời gian.
gmm được phát triển bởi lars peter hansen vào năm 1982 dưới dạng tổng quát hóa phương pháp khoảnh khắc và được giới thiệu bởi karlpearlson vào năm 1894. Hansen đã chia sẻ giải Nobel Kinh tế 2013 một phần nhờ công trình này.
Xem thêm: Digital Marketing Agency là gì? Cách chọn đại lý
Biến công cụ là gì?
Ước tính các biến công cụ (iv) là một cách tiếp cận gần như thử nghiệm để khắc phục tính nội sinh thông qua việc sử dụng các công cụ hiệu quả. Ước tính iv là một kỹ thuật hữu ích trong phân tích dữ liệu để ước tính nhất quán quan hệ nhân quả khi có các biến bị bỏ sót, sai số đo lường hoặc tính đồng thời giữa kết quả (y) và biến giải thích (x). Trang này phác thảo các ước tính và giả định iv. Xem các tài nguyên khác để biết thêm chi tiết kỹ thuật về triển khai.
Các công cụ hiệu quả phải đáp ứng cả các điều kiện liên quan và ngoại sinh. Điều kiện tương quan chỉ ra rằng công cụ này có liên quan đến biến giải thích (x) được quan tâm. Điều kiện ngoại sinh chỉ ra rằng thiết bị không tương thích với thuật ngữ lỗi (e). Nói cách khác, công cụ này chỉ ảnh hưởng đến kết quả (y) đến x. Để ước tính tác động nhân quả của các biến công cụ, các nhà nghiên cứu có thể sử dụng bình phương nhỏ nhất hai giai đoạn (2sls), khái quát hóa các khoảnh khắc (gmm) hoặc ước tính k.
Biến nội sinh là gì?
Trong kinh tế lượng, tính nội sinh đề cập rộng rãi đến tình huống trong đó một biến giải thích có liên quan đến một thuật ngữ sai số. Sự khác biệt giữa các biến nội sinh và ngoại sinh bắt nguồn từ các mô hình phương trình đồng thời, trong đó các biến có giá trị được xác định bởi mô hình được tách ra khỏi các biến được xác định trước; việc bỏ qua tính đồng thời trong các ước lượng có thể dẫn đến ước lượng sai lệch vì nó vi phạm giả định Gaussian-Exogenous của Markov’s định lý. Thật không may, tính nội sinh đôi khi bị bỏ qua bởi các nhà nghiên cứu tiến hành nghiên cứu phi thực nghiệm và không đưa ra khuyến nghị chính sách. Kỹ thuật nhạc cụ thường được sử dụng để giải quyết vấn đề này.
Ngoài ra, mối tương quan giữa các biến giải thích và thuật ngữ sai số có thể phát sinh khi các biến không được quan sát hoặc bị bỏ qua can thiệp vào các biến độc lập và biến phụ thuộc hoặc khi biến độc lập được đo lường không chính xác.
gmm ước tính cho eviews
Chúng tôi có một mô hình nghiên cứu, ví dụ sau để ước tính gmm trên eviews:
lnp = eps + bvps + roe
Ta chọn lần lượt 4 biến trên theo trình tự trên và mở ra dưới dạng phương trình, đồng thời ta chọn phương thức là gmm, click vào bảng thủ thuật bảng động, như hình bên dưới
p>
Chúng tôi có các giả định sau:
Trong ar(2) ta có pvalue > 0,05 nên chấp nhận h0 và bác bỏ h1, tức là mô hình không có tương quan chuỗi khóa arellano.
Sau khi chúng tôi kiểm tra ba điểm trên, kết quả là đáng tin cậy, vì vậy chúng tôi có thể sử dụng ước tính gmm trong trường hợp này.
Nếu gặp bất kỳ khó khăn gì, đừng ngại liên hệ với chúng tôi để được tư vấn miễn phí.