gegeneraliseerde methode van momenten
een van de meest kritische problemen in de econometrische literatuur heeft betrekking op de schatting van lineaire regressiemodellen die heteroskedastische fouten van onbekende functionele vorm bevatten. In veel van de tijdreeksen en transversale studies (bijvoorbeeld Choi, 2001; Maddala & Wu, 1999) is dit onderwerp uitgebreid besproken., Hoewel de vorm van de heteroscedasticiteit empirisch onbekend is, zou de onwetendheid van de kwestie in schattingen (zoals geschatte gegeneraliseerde minste kwadraten1—EGLS) inefficiënte schatters veroorzaken die resulteren in onjuiste gevolgtrekkingen (Roy, 2002). Verschillende onderzoekers zoals Robinson (1987) en Hidalgo (1992) suggereerden dat dit probleem kan worden opgelost met behulp van niet-parametrische technieken. Het is omdat dergelijke schatters geldig zijn, zelfs met verkeerd gespecificeerde functionele vorm., Aan de andere kant stelde Rilstones (1991) voor dat de studie van Monte Carlo kan worden gebruikt om een vergelijking te maken tussen de niet-parametrische EGLS-schatters en de verschillende parametrische schatters die zowel correcte als incorrecte vormen van heteroscedasticiteit gebruiken.
sinds het begin van de jaren negentig is de kwestie van heteroscedasticiteit in de panelgegevens-schattingen uitvoerig besproken in de literatuur. Verscheidene studies onderzochten de aanwezigheid van heteroscedasticiteit in de analyse van panelgegevens. Deze studies omvatten Baltagi and Griffin (1988), Li and Stengos (1994), en Randolph (1988)., Dienovereenkomstig onderzochten Baltagi en Griffin (1988) het bestaan van heteroscedasticiteit door de individuele specifieke foutcomponent met behulp van parametrische techniek. Li en Stengos (1994) richtten zich echter op de kwestie van heteroscedasticiteit in de eenheid-tijd-variërende foutcomponent door semiparametrische methode te gebruiken. Uit beide studies wordt geconcludeerd dat de voorgestelde EGLS-schatters dezelfde asymptotische verdeling hebben als de echte GLS-schatter., Op de top van dat, Li en Stengos (1994) betoogden dat na het uitvoeren van een Monte Carlo-studie, de eindige steekproefeigenschappen van hun schatter blijkt ook adequaat te zijn. De resultaten zijn niet in overeenstemming met de bevindingen van Baltagi en Griffin (1988), waarin hun voorgestelde procedure vereist een grote tijd component voor het panel.
een semiparametrische schattingsprocedure met onbekende functionele vorm in de individuele specifieke fouten werd vervolgens voorgesteld door Roy (2002). De nieuw aanbevolen procedure heeft geen grote tijd component nodig in tegenstelling tot de schatter voorgesteld door Baltagi en Griffin (1988).,Er werden drie belangrijke bevindingen bereikt. Ten eerste wordt efficiëntie gevonden in verschillende standaard schatters, zoals de voorgestelde EGLS-schatter (EGLS), de iteratieve EGLS-schatter (EGLSB) 3, de standaard GLS-schatter voor een model met eenrichtingsfout (GLSH), de binnen-of vaste effecten-schatter (WITHIN), 4 en de OLS-schatter (OLS). Ten tweede wordt uit de studie van Monte Carlo bevestigd dat de voorgestelde schatter een adequate relatieve efficiëntie heeft. Toch is het gevoelig voor de selectie van venster-breedte., Ten derde, alle van de schatters worden gevonden om zich te gedragen in het soortgelijke patroon als het gaat om de grootte prestaties, dat wil zeggen, geen van hen overdreven of onderwerpt substantieel.
Vandaag, GMM panel data techniek wordt toegepast in vele EKC studies (bv., Huang, Hwang, & Yang, 2008; Joshi & Beck, 2018; Khan, Zaman, & Zhang, 2016; Tamazian & Rao, 2010; Youssef, Hammoudeh, & Omri, 2016). Deze schattingstechniek werd voor het eerst voorgesteld door Hansen (1982)., Vervolgens werd het verder verbeterd door Arellano en Bond (1991), die het verschil GMM introduceerden. Een groep verklarende variabelen met vertraging wordt gebruikt als instrumenten voor de overeenkomstige variabelen in verschilvergelijking in het geval van verschil GGM. Later beweerden Blundell and Bond (1998) dat kleine steekproef en asymptotische eigenschappen van de verschilschatting nadelig kunnen worden beïnvloed door de kwestie van persistentie in de verklarende variabelen. Zo wordt de difference estimator gecombineerd met de oorspronkelijke estimator om een systeem estimator te construeren, die wordt genoemd als systeem GMM estimator.,
aan twee voorwaarden moet worden voldaan om de vertraagde verschillen van de verklarende variabelen als instrumenten in de niveauvergelijking te gebruiken. Ten eerste is de fout term niet serieel gecorreleerd. Ten tweede bestaat er geen correlatie tussen het verschil in verklarende variabelen en de fouttermen, ondanks de correlatie tussen de niveaus van de verklarende variabelen en de landspecifieke fouttermen.
als gevolg hiervan worden de volgende stationariteitseigenschappen geproduceerd:
E = E en E = E voor alle p en q.,
in het kort wordt de systeemgmm-schatter verkregen aan de hand van de momentcondities in de bovenstaande vergelijkingen. Volgens Arellano and Bond (1991) en Blundell and Bond (1998) kan de validiteit van systeem GGM-schatter worden gecontroleerd met behulp van twee tests. Ten eerste kan de Sargan-test worden uitgevoerd om de validiteit van de gebruikte instrumenten te testen. Ten tweede kan de ar (2)-test worden toegepast om het bestaan van autocorrelatie van de tweede orde te controleren.
GMM estimator heeft verschillende voordelen ten opzichte van andere paneelgegevens estimators., Ten eerste bevestigen Arellano en Bond (1991) het feit dat GMM-schatter alle lineaire momentbeperkingen die de aanname van geen seriële correlatie in de fouten vervullen optimaal kan benutten. Deze momentbeperkingen die bestaan uit individuele effecten, vertraagde afhankelijke variabelen en geen strikt exogene variabelen zijn essentieel in schattingen. Bovendien beweerde Hansen (1982) dat GMM-schatter consistentie kan bieden voor modellen met niet-lineaire parameter.,
ten tweede hebben transversale studies twee potentiële bronnen van bias, namelijk het niet-waargenomen heterogeniteitsprobleem en de endogene verklarende variabelen. Door zowel de transversale als de tijdreeksvariabiliteit te gebruiken, kan de GGM-schatter worden gezien als een veelbelovend alternatief. Zo kunnen de niet-geobserveerde landspecifieke effecten met GGM worden geëlimineerd. In de tussentijd is het ook mogelijk om endogeniteitsproblemen te corrigeren in de eerste-differenced vergelijkingen met behulp van een eerste-differenced GGM, voorgesteld door Arellano en Bond (1991).,
ten derde kan GGM-schatter ook het probleem van een zwak instrument oplossen. Blundell and Bond (1998) suggereerden dat een dergelijk probleem kan leiden tot een grote eindige steekproefbias terwijl het gebruik van de gepoolde dwarsdoorsnede regressies bij het schatten van autoregressieve modellen in het geval van matig persistente reeksen van relatief korte panelen. Bovendien hebben Blundell en Bond (1998) bewezen dat door het opnemen van meer informatieve momentvoorwaarden die geldig zijn onder de redelijke stationariteitsbeperkingen op het oorspronkelijke conditieproces, de bias sterk kon worden verminderd., In het bijzonder, bovenop de gebruikelijke niveaus met vertraging als instrumenten voor de vergelijkingen in eerst-verschillen, gebruikt de GGM-schatter de eerst-verschillen met vertraging als instrumenten voor de vergelijkingen in niveaus.volgens een aantal studies zoals Hsu and Liu (2006) en Mandariage and Poncet (2007, blz.837-862) zou het gebruik van OLS estimator met de aanwezigheid van vertraagde afhankelijke variabelen in vergelijkingen leiden tot het probleem van inconsistentie, aangezien de vertraagde afhankelijke variabelen endogeen kunnen zijn., Deze studies stellen verder voor dat GGM-schatter de problemen van heterogeniteit en endogeniteit zou kunnen elimineren. Het belangrijkste is dat er uiteindelijk consistente en onbevooroordeelde schattingen kunnen worden gemaakt.