广义矩方法.doc

广义矩方法(generalized method of moments，GMM)的一般表述是由汉森(1982)提出的。它是基于模型实际参数满足的一些矩条件而形成的一种参数估计方法，是普通矩估计方法的一般化。只要模型设定正确，一般情况下都能找到该模型实际参数满足的若干矩条件而采用广义矩。GMM法大大突破了原有矩法的局限性，在大样本性质下效果较好，而且在相当大的范围内具有极大似然估计的优良性。

2．2广义矩概念的引出
2．2．2广义矩估计(GMM)
当样本矩条件的个数与待估参数的个数相等时，使用经典的矩估计方法即可解决参数的估计问题，如上述两个例子都是选择两个样本矩来估计总体的两个参数。
若选择的矩方程个数多于估计参数的个数，经典矩方法就不再适用，于是广义矩方法应运而生。
2．3广义矩估计法
2．3．1广义矩估计的基本原理

2．3．2权重矩阵的选择
当模型为过度识别时，权重矩阵的选择就不仅仅是科学了。原因之一在于广义矩估计法的权重依赖于参数估计，而参数估计又依赖于权重的选择。一般的做法是在模型中先采用相等的权重，用由此得到的参数估计重新计算权重矩阵。权重矩阵的选择是GMM估计方法的一个核心问题。Hansen(1982)提出最佳的权矩阵为

2．3．4 GMM估计法的步骤
根据以上所述，可以把GMM的估计步骤归纳如下：