1) GMM (generalized method of moments) estimation
广义矩(GMM)估计
2) GMM
广义矩估计
1.
The Effects of Financial Development on Foreign Trade and Their Regional Difference in China——Cointegration Analysis and GMM Based on Crossed Provinces Panel Data;
我国金融发展对国际贸易的影响及区域差异——基于跨省面板数据的协整分析和广义矩估计
2.
Controlling the endogeneity of two variables by using the GMM, we find that financial constrained firms significantly exhi.
在采用广义矩估计方法(GMM)合理控制模型的内生性偏误后,融资约束公司表现出强烈的现金-现金流敏感性,而非融资约束公司则没有表现出这种特征。
3.
Based on a panel of financial statement data for 116 listed manufacturing companies (including 11600datapoints) supplemented with user costs of capital, this paper apply GMM estimates of a Autoregressive Distributed Lag(ADL) Investment.
建立在116个在上海和深圳上市的制造业公司的财务报表平行数据基础上(包含11600个数据点)，以及补充的资本使用成本数据，论文应用了一个自回归分布滞后投资支出模型的广义矩估计，模型包含投资、现金流、销售和资本使用成本变量。
3) GMM
广义矩估计法
1.
By constructing different measures of financial structure, this paper configures a dynamic panel data model to test the relationship between financial structure and economic growth, employing GMM.
文章首先通过构造衡量金融结构的不同指标,运用金融结构与经济增长的动态面板数据模型,并用广义矩估计法进行估计,得出了在人均GDP高的国家,股票市场比重也高的结论;为验证其显著性,文章把东亚国家分成银行主导型和市场主导型两组分别回归,结论是股票市场比重的提高与人均GDP有显著的关系, 因此, 东亚国家应积极发展股票市场,提高银行体系和股票市场的效率。
4) System GMM
系统广义矩估计
1.
Effects of International trade on China s Capital Formation and Regional Difference: Analysis Based on Dynamic Panel Data with System GMM Estimation;
对外贸易影响我国资本形成的效应与地区差异——基于系统广义矩估计的动态面板数据分析
5) generalizes method of moments (GMM)
广义二阶矩方法(GMM)
6) GMM estimation
GMM估计
1.
GMM Estimation for the Markov-switching Multi-fractal Model and Its Empirical Application
Monte Carle模拟的结果显示,GMM估计在二项式模型和对数正态分布模型中具有非常优良的统计性质。
2.
Financial Development and the Relief of Corporate Financing Constraints in China——Analysis Based on Dynamic Panel Data with System GMM Estimation
利用中国上市公司2003～2007年的面板数据和动态面板GMM估计方法,考察了中国金融发展对企业融资约束的影响。
补充资料：广义最小二乘估计
用迭代的松弛算法对线性最小二乘估计的一种改进。线性最小二乘估计在模型误差为相关噪声时是有偏估计，即其估计值存在偏差。这时采用广义最小二乘估计能获得较精确的结果。
假设所讨论的单输入单输出系统的差分方程模型是
式中{uk}和{yk}分别是输入和输出序列：和是算子多项式,它们的系数是需要通过估计来求出的未知数;z-1是单位延迟算子；{ek}是误差序列，它是零均值平稳相关噪声序列。为了进行广义最小二乘估计可以从形式上把ek变换成，这里，它的系数也是未知的。如果{ek}具有有理谱密度,则可把{εk}当作白噪声序列来处理。这样就把系统模型变成
相应的估计准则是
广义最小二乘估计就是使估计准则J为极小的参数估计。多项式A(z-1)、B(z-1)和C(z-1)的系数都是未知的,所以不能用一个线性算法获得广义最小二乘估计。
广义最小二乘估计采用迭代的松弛算法：先行固定C(z-1)，估计A(z-1)和B(z-1),使J 趋于极小；然后固定A(z-1)和B(z-1),估计C(z-1),使 J 趋于极小。如此反复迭代，直至估计值收敛。这时每步只进行简单的线性最小二乘估计运算，迭代的初值取扗(z-1)=1。
广义最小二乘估计算法的估计精度高，已得到应用并获得不少成果。它的缺点在于：当信噪比较小时,J可能有多个局部极小点，估计结果不能保证收敛到全局最小点，即参数真值；它的计算量也比线性最小二乘估计增加很多。
这种算法也可推广到多输入多输出系统，并且有相应的近似递推估计算法。当误差{ek}为正态噪声序列时，这种算法还可以解释为极大似然估计的松弛算法。
参考书目
G.G.哥德温、R.L.潘恩著，张永光、袁震东译：《动态系统辨识：试验设计与数据分析》，科学出版社，北京，1983。(G.C.Goodwin and R.L.Payne，Dynamic System Identification：Experiment Design and Data Analysis, Academic Press, New York,1977.)
假设所讨论的单输入单输出系统的差分方程模型是
式中{uk}和{yk}分别是输入和输出序列：和是算子多项式,它们的系数是需要通过估计来求出的未知数;z-1是单位延迟算子；{ek}是误差序列，它是零均值平稳相关噪声序列。为了进行广义最小二乘估计可以从形式上把ek变换成，这里，它的系数也是未知的。如果{ek}具有有理谱密度,则可把{εk}当作白噪声序列来处理。这样就把系统模型变成
相应的估计准则是
广义最小二乘估计就是使估计准则J为极小的参数估计。多项式A(z-1)、B(z-1)和C(z-1)的系数都是未知的,所以不能用一个线性算法获得广义最小二乘估计。
广义最小二乘估计采用迭代的松弛算法：先行固定C(z-1)，估计A(z-1)和B(z-1),使J 趋于极小；然后固定A(z-1)和B(z-1),估计C(z-1),使 J 趋于极小。如此反复迭代，直至估计值收敛。这时每步只进行简单的线性最小二乘估计运算，迭代的初值取扗(z-1)=1。
广义最小二乘估计算法的估计精度高，已得到应用并获得不少成果。它的缺点在于：当信噪比较小时,J可能有多个局部极小点，估计结果不能保证收敛到全局最小点，即参数真值；它的计算量也比线性最小二乘估计增加很多。
这种算法也可推广到多输入多输出系统，并且有相应的近似递推估计算法。当误差{ek}为正态噪声序列时，这种算法还可以解释为极大似然估计的松弛算法。
参考书目
G.G.哥德温、R.L.潘恩著，张永光、袁震东译：《动态系统辨识：试验设计与数据分析》，科学出版社，北京，1983。(G.C.Goodwin and R.L.Payne，Dynamic System Identification：Experiment Design and Data Analysis, Academic Press, New York,1977.)
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条