Általános Módszer a Pillanatok
az Egyik legfontosabb problémák az ökonometriai irodalom vonatkozó becslés lineáris regressziós modellek, amelyek heteroskedastic hiba, ismeretlen funkcionális formában. Számos idősor és keresztmetszeti tanulmányban (pl. Choi, 2001; Maddala & Wu, 1999) ezt a kérdést széles körben megvitatták., Annak ellenére, hogy a heteroszkedaszticitás formája empirikusan ismeretlen, a kérdés figyelmen kívül hagyása a becslésekben (például a becsült általánosított legkisebb négyzetek1—EGLS) nem hatékony becsléseket eredményezne, amelyek téves következtetéseket eredményeznének (Roy, 2002). Számos kutató, például Robinson (1987) és Hidalgo (1992) azt javasolta, hogy ezt a problémát nemparametrikus technikákkal lehet megoldani. Ennek oka az, hogy az ilyen becslések még a helytelenül meghatározott funkcionális formában is érvényesek., Másrészt a Rilstones (1991) azt javasolta, hogy a Monte Carlo-tanulmány felhasználható a nemparametrikus EGLS-becslők és a különböző parametrikus becslők összehasonlítására, mind a heteroszkedaszticitás helyes, mind helytelen formáinak felhasználásával.
az 1990-es évek eleje óta a paneladatok becsléseiben a heteroszkedaszticitás kérdését széles körben megvitatták a szakirodalomban. Számos tanulmány vizsgálta a heteroszkedaszticitás jelenlétét a paneladatok elemzésében. Ezek a tanulmányok Baltagi és Griffin (1988), Li és Stengos (1994), és Randolph (1988)., Ennek megfelelően Baltagi and Griffin (1988) parametrikus technikával vizsgálta a heteroszkedaszticitás létezését az egyedi hibakomponens segítségével. Li és Stengos (1994) azonban a heteroszkedaszticitás kérdésére összpontosított az egység-idő változó hibakomponensben semiparametriás módszerrel. Mindkét tanulmány arra a következtetésre jutott, hogy a javasolt EGLS-becslések ugyanolyan aszimptotikus eloszlással rendelkeznek, mint a valódi GLS-becslő., Ezen felül Li és Stengos (1994) azzal érvelt, hogy egy Monte Carlo-vizsgálat elvégzése után becslésük véges mintatulajdonságai is megfelelőnek bizonyulnak. Az eredmények ellentmondanak Baltagi és Griffin (1988) megállapításainak, amelyekben javasolt eljárásuk nagy időösszetevőt igényel a panel számára.
a Semiparametrikus becslési eljárást ismeretlen funkcionális formában az egyes specifikus hibákban Roy (2002) javasolta. Az újonnan ajánlott eljárásnak nincs szüksége nagy időösszetevőre, ellentétben a Baltagi and Griffin (1988) által javasolt becsléssel.,2 három fő megállapítást nyert. Először is, a hatékonyság megtalálható számos standard becslők, mint például a javasolt EGLS becslő( EGLS),az iteratív EGLS becslő (EGLSB), 3 a standard GLS becslő egyirányú hiba komponensek modell (GLSH),a belül vagy rögzített hatások becslő (belül), 4 és az OLS becslő (OLS). Másodszor, a Monte Carlo-tanulmány megerősíti, hogy a javasolt becslőnek megfelelő relatív hatékonysága van. Mindazonáltal érzékeny az ablakszélesség kiválasztására., Harmadszor, az összes becslőt úgy találják, hogy hasonló mintában viselkednek, amikor a méretteljesítményről van szó, vagyis egyikük sem túlreagálja vagy alulprojektálja lényegesen.
ma a GMM paneltechnikát alkalmazzák számos EKC vizsgálatban (pl. Huang, Hwang,& Yang, 2008; Joshi& Beck, 2018; Khan, Zaman,& Zhang, 2016; tamazian& Rao, 2010; Youssef, hammoudeh,& Omri, 2016). Ezt a becslési technikát először Hansen (1982) javasolta., Ezután tovább javította Arellano és Bond (1991), akik bevezették a különbséget. A csoport késleltetett magyarázó változók használják eszközként a megfelelő változók különbség egyenlet esetén különbség GMM. Később Blundell and Bond (1998) azt állította, hogy a különbségbecslő kis mintájú és aszimptotikus tulajdonságait hátrányosan befolyásolhatja a magyarázó változók tartósságának kérdése. Így a különbségbecslőt az eredeti becslővel kombinálják egy rendszerbecslő felépítéséhez, amelyet system GMM becslőnek neveznek.,
két feltételnek kell teljesülnie ahhoz, hogy a magyarázó változók késleltetett különbségeit a szintek egyenletében eszközként használják. Először is, a hiba kifejezés nem sorosan korrelál. Másodszor, nincs korreláció a magyarázó változók és a hibakifejezések közötti különbség között, annak ellenére, hogy a magyarázó változók szintjei és az országspecifikus hibakifejezések között összefüggés van.
ennek eredményeként a következő stationaritási tulajdonságokat állítják elő:
E = E és E = E minden P és q esetében.,
röviden, A rendszer GMM becslőt a fenti egyenletek pillanatnyi körülményeinek felhasználásával kapjuk meg. Arellano and Bond (1991) és Blundell and Bond (1998) szerint a system GMM estimator érvényességét két teszttel lehet ellenőrizni. Először is, a Sargan teszt elvégezhető a használt eszközök érvényességének tesztelésére. Másodszor, az AR (2) teszt alkalmazható a másodrendű autokorreláció meglétének ellenőrzésére.
a GMM becslőnek számos előnye van a többi paneladatbecslővel szemben., Először is, Arellano and Bond (1991) megerősíti azt a tényt, hogy a GMM estimator optimálisan kihasználhatja az összes lineáris pillanatnyi korlátozást, amelyek teljesítik a hibák soros korrelációjának feltételezését. Ezek a pillanatnyi korlátozások, amelyek egyedi hatásokból, késleltetett függő változókból, valamint szigorúan exogén változókból állnak, létfontosságúak a becslésekben. Ezenkívül Hansen (1982) azt állította, hogy a GMM estimator konzisztenciát biztosít a nemlineáris paraméterű modellek számára.,
másodszor, a keresztmetszeti vizsgálatoknak két lehetséges torzítási forrása van, azaz a nem megfigyelt heterogenitási probléma és az endogén magyarázó változók. Mind a keresztmetszeti, mind az idősorok változékonyságának felhasználásával a GMM becslése ígéretes alternatívának tekinthető. Például a nem figyelt országspecifikus hatások kiküszöbölhetők a GMM használatával. Időközben az első differenciált egyenletekben az endogenitási problémát is korrigálni lehet az Arellano and Bond által javasolt első differenciált GMM segítségével (1991).,
harmadszor, GMM becslő is leküzdeni a problémát a gyenge eszköz. Blundell and Bond (1998) azt javasolta, hogy egy ilyen probléma vezethet egy nagy véges minta torzítás használata közben az összevont keresztmetszeti regresszió becslésekor autoregresszív modellek esetében mérsékelten tartós sorozat viszonylag rövid panelek. Ráadásul a Blundell and Bond (1998) bebizonyította, hogy azáltal, hogy informatívabb pillanatfeltételeket tartalmaz, amelyek a kezdeti feltételfolyamatra vonatkozó ésszerű stationaritási korlátozások mellett érvényesek, az elfogultság jelentősen csökkenthető., Pontosabban, a szokásos késleltetett szintek tetején, mint az egyenletek eszközei az első különbségekben, a GMM becslője a lemaradt első különbségeket használja fel, mint a szintek egyenleteinek eszközeit.
negyedszer, számos tanulmány szerint, mint például a Hsu és Liu (2006), a Mandariage és a Poncet (2007, 837-862.O.), az OLS becslést használva, az egyenletekben elmaradt függő változók jelenlétével, az inkonzisztencia problémájához vezetne, mivel a késleltetett függő változók endogének lehetnek., Ezek a tanulmányok azt is javasolják, hogy a GMM becslése kiküszöbölje a heterogenitás és az endogenitás problémáit. A legfontosabb, hogy végül következetes és elfogulatlan becsléseket lehetne készíteni.