Zobecněná Metoda Momentů
Jeden z nejvíce kritické problémy, s nimiž se v ekonometrické literatuře je vztahující se k odhadu lineární regresní modely, které obsahují heteroskedastic chyba neznámého funkční podobě. V mnoha časových řadách a průřezových studiích (např. Choi, 2001; Maddala & Wu, 1999) byla tato otázka široce diskutována., I když forma heteroskedasticita je neznámý empiricky, neznalost problému v odhadech (například odhaduje, zobecněné nejmenší squares1—EGLS) způsobí neefektivní odhady, že v důsledku chybné závěry (Roy, 2002). Několik vědců, jako je Robinson (1987) a Hidalgo (1992), navrhlo, že tento problém lze vyřešit pomocí neparametrických technik. Je to proto, že takové odhady jsou platné i při chybně specifikované funkční podobě., Na druhou stranu, Rilstones (1991) navrhl, že Monte Carlo studie mohou být použity, aby se srovnání mezi neparametrické EGLS odhady a různé parametrické odhady pomocí obou správné a nesprávné formy heteroskedasticita.
Od roku 1990, vydání heteroskedasticita v panelu data odhady byly podrobně diskutovány v literatuře. Několik studií zkoumalo přítomnost heteroscedasticity v analýze panelových dat. Tyto studie zahrnují Baltagi a Griffin (1988), Li a Stengos (1994), a Randolph (1988)., Baltagi a Griffin (1988) proto zkoumali existenci heteroscedasticity prostřednictvím jednotlivé specifické chybové složky pomocí parametrické techniky. Nicméně, Li a Stengos (1994) se zaměřili na problematiku heteroskedasticita v jednotce-time-různé chyba složky pomocí semiparametrické metody. Z obou studií vyplývá, že navrhované odhady EGLS mají stejnou asymptotickou distribuci jako skutečný odhad GLS., Kromě toho Li a Stengos (1994) tvrdili, že po provedení studie Monte Carlo se zjistí, že konečné vlastnosti vzorku jejich odhadce jsou také přiměřené. Výsledky jsou v rozporu se zjištěními Baltagi a Griffina (1988), ve kterých jejich navrhovaný postup vyžaduje pro panel velkou časovou složku.
postup semiparametrického odhadu s neznámou funkční formou v jednotlivých specifických chybách pak navrhl Roy (2002). Nově doporučený postup nepotřebuje velkou časovou složku na rozdíl od odhadu navrženého Baltagim a Griffinem (1988).,2 byly získány tři hlavní nálezy. Za prvé, účinnost je nalézt v několika standardních estimátorů jako navrhované EGLS odhad (EGLS), iterační EGLS odhad (EGLSB),3 standardní GLS estimátor pro jednosměrný chyby komponenty modelu (GLSH), v rámci nebo fixed effects estimator (V),4 a OLS odhad (OLS). Za druhé, ze studie Monte Carlo je potvrzeno, že navrhovaný odhad má přiměřenou relativní účinnost. Přesto je citlivá na výběr šířky okna., Zatřetí se zjistí, že všechny odhady se chovají v podobném vzoru, pokud jde o výkon velikosti, to znamená, že žádný z nich v podstatě nepřevrhne nebo nepodceňuje.
Dnes, GMM panelových dat technika je použita v mnoha EKC studií (např. Huang, Hwang, & Yang, 2008; Joshi & Beck, 2018; Khan, Zaman, & Zhang, 2016; Tamazian & Rao, 2010; Youssef, Hammoudeh, & Omri, 2016). Tuto techniku odhadu poprvé navrhl Hansen (1982)., Poté ji dále vylepšili Arellano a Bond (1991), kteří zavedli rozdíl GMM. Skupina zaostávaných vysvětlujících proměnných se používá jako nástroje pro odpovídající proměnné v diferenční rovnici v případě rozdílu GMM. Později Blundell a Bond (1998) tvrdili, že malé a asymptotické vlastnosti odhadu rozdílu mohou být nepříznivě ovlivněny otázkou vytrvalosti ve vysvětlujících proměnných. Odhad rozdílu je tedy kombinován s původním odhadcem pro konstrukci systémového odhadu, který je pojmenován jako systémový GMM odhadce.,
musí být splněny dvě podmínky pro použití zaostávaných rozdílů vysvětlujících proměnných jako nástrojů v rovnici úrovní. Za prvé, chybový termín není sériově korelován. Za druhé, korelace neexistuje mezi rozdílem v nezávisle proměnné a chybové podmínky, a to navzdory korelace mezi úrovní nezávisle proměnné a země-konkrétní chybové podmínky.
výsledkem jsou následující vlastnosti staniarity:
E = E A E = E pro všechny p a q.,
stručně řečeno, systém GMM odhad je získán za použití momentových podmínek ve výše uvedených rovnicích. Podle Arellana a Bonda (1991) a Blundella a Bonda (1998) lze ověřit platnost odhadu systému GMM pomocí dvou testů. Za prvé, Sargan test může být proveden pro testování platnosti použitých nástrojů. Za druhé, test AR (2) lze použít ke kontrole existence autokorelace druhého řádu.
GMM estimator má několik výhod oproti jiným odhadům obrazových dat., Za prvé, Arellano a Bond (1991) potvrzují skutečnost, že GMM estimator může optimálně využít všechna omezení lineárního momentu, která splňují předpoklad žádné sériové korelace v chybách. Tyto chvíle omezení, které se skládají z jednotlivých účinků, zpožděné závislé proměnné, a ne striktně exogenní proměnné jsou zásadní odhady. Kromě toho Hansen (1982) tvrdil, že GMM estimator může poskytnout konzistenci pro modely s nelineárním parametrem.,
za druhé, průřezové studie mají dva potenciální zdroje zkreslení,tj. Použitím průřezu i variability časových řad lze odhad GMM považovat za slibnou alternativu. Například nepozorované účinky specifické pro jednotlivé země mohou být odstraněny pomocí GMM. Mezitím je také možné opravit problém endogenity v prvních diferencovaných rovnicích pomocí first-differenced GMM, navržený Arellano a Bond (1991).,
za třetí, GMM odhad může také překonat problém slabého nástroje. Blundell a Bond (1998) navrhl, že takový problém může vést k velké finite-sample bias při použití sdružených průřezových regresí v odhad autoregresních modelů v případě mírně trvalá série z relativně krátké panely. Navíc, Blundell a Bond (1998) ukázaly, že tím, včetně více informativní chvíli podmínek, které jsou platné v rámci rozumné stacionarita omezení na počáteční podmínky procesu, zkreslení by mohla být snížena výrazně., Konkrétně, na vrcholu obvyklé zaostával úrovní jako nástroje rovnic v první rozdíly, odhad GMM využívá zaostával první-rozdíly jako nástroje rovnic v krvi.
za Čtvrté, podle řady studií, např. Hsu a Liu (2006) a Mandariage a Ponceta (2007, s. 837-862), pomocí OLS odhad s přítomností zpožděné závislé proměnné v rovnicích by vedlo k problému nekonzistence jako zpožděné závislé proměnné může být endogenní., Tyto studie dále navrhují, aby odhad GMM mohl eliminovat problémy heterogenity a endogenity. A co je nejdůležitější, konzistentní a objektivní odhady by mohly být vyrobeny nakonec.