Panel Sistem GMM (Blundell-Bond Tahmincisi)
Panel System Generalized Method of Moments Estimator · Ayrıca şöyle bilinir: System GMM, Blundell-Bond estimator, SYS-GMM, two-step System GMM
Panel Sistem GMM, fark denklemini (araç olarak gecikmeli seviyeleri kullanan) seviye denklemiyle (araç olarak gecikmeli farkları kullanan) birleştiren dinamik panel verileri için iki denklemli bir GMM tahmincisidir. Arellano ve Bover (1995) temelinde Blundell ve Bond (1998) tarafından geliştirilmiş olup, gecikmeli bağımlı değişkenin yüksek derecede kalıcı olduğu veya bireysel etkilerin büyük olduğu durumlarda tercih edilen araçtır.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
+5 tane daha
Ne zaman kullanılır
Panelin kısa bir zaman boyutuna ve çok sayıda birime sahip olduğu; gecikmeli bağımlı değişkenin yüksek derecede kalıcı olduğu (otoregresif parametre 1'e yakın); bazı regresörlerin uç noktada veya önceden belirlenmiş olduğu; ve bireysel sabit etkilerin regresörlerle ilişkili olduğu durumlarda Panel Sistem GMM'yi kullanın. Gecikmeli seviye araçlarının zayıf olduğu durumlarda Fark GMM'den daha iyi performans gösterir. T, N'ye göre büyük olduğunda (araç çoğalması ciddi hale gelir), tüm regresörler kesinlikle dışsal olduğunda ve sabit etkiler mevcut olmadığında (OLS veya RE yeterlidir) veya seviye denklemi için gereken durağanlık varsayımı açıkça ihlal edildiğinde bundan kaçının.
Güçlü yönler & sınırlılıklar
- Uç noktada olan regresörler, önceden belirlenmiş değişkenler ve ilişkili bireysel etkiler varlığında tutarlı tahmin.
- Otoregresif katsayının birliğe yakın olduğu durumlarda Fark GMM'den önemli ölçüde daha verimlidir, çünkü gecikmeli farklar seviye denklemi için güçlü araçlardır.
- Dengesiz panelleri ele alır ve seviye denkleminde zamanla değişen veya zamanla değişmeyen regresörlere izin verir.
- Windmeijer düzeltmesi ile iki adımlı varyant, heteroskedastisiteye karşı asimptotik olarak verimli ve dayanıklıdır.
- Dahili tanı testleri (AR(1)/AR(2), Sargan-Hansen), araç seti üzerinde resmi geçerlilik kontrolleri sağlar.
- Araç çoğalması: çok sayıda zaman periyodu ile araç sayısı karesel olarak artar ve kesitsel birim sayısını aşabilir, bu da Sargan-Hansen testinin aşırı kabul etmesine neden olur ve tahminleri güvenilmez hale getirir.
- Seviye denklemi için ek moment koşulları, birimlerin büyüme oranlarıyla ilişkili farklı başlangıç koşullarından başladığı zaman geçerli olmayabilecek bir ortalama durağanlık varsayımına dayanır.
- Geçerli araçlar oluşturmak için en az T = 3 periyoda ihtiyaç duyar ve N'nin T'den çok daha büyük olduğu durumlarda en iyi performansı gösterir.
- İki adımlı standart hatalar, Windmeijer (2005) sonlu örneklem düzeltmesi olmadan küçük örneklemlerde ciddi şekilde aşağı doğru yanlıdır.
SSS
Sistem GMM, Fark GMM'den nasıl farklıdır?
Fark GMM (Arellano-Bond), yalnızca gecikmeli seviyeleri araç olarak kullanan ilk fark denklemini kullanır. Sistem GMM, gecikmeli farkları araç olarak kullanan bir seviye denklemi ekler. Birleşik sistem, otoregresif parametre 1'e yakın olduğunda önemli ölçüde daha verimlidir, çünkü ek moment koşulları araç gücünü büyük ölçüde artırır.
Kaç araç çok fazladır?
Yaygın olarak kullanılan bir kural, araç sayısının kesitsel birim sayısı N'yi aşmaması gerektiğidir. Araç çoğalmasını azaltmak için xtabond2'de collapse seçeneğini kullanın veya gecikme derinliğini iki veya üç döneme sınırlayın. Sonuç tablonuzda her zaman hem araç sayısını hem de N'yi rapor edin.
Sargan-Hansen testi reddederse ne yapmalıyım?
Reddedilmesi, bazı araçların hata ile ilişkili olduğunu düşündürür. Araç sayısını çökertme veya gecikmeleri sınırlama yoluyla azaltın, regresörlerin dışsallık sınıflandırmasını yeniden gözden geçirin veya seviye denklemi için durağanlık varsayımının verileriniz için makul olup olmadığını kontrol edin.
Tek adımlı mı yoksa iki adımlı Sistem GMM mi kullanmalıyım?
Tüm çıkarımlar için Windmeijer (2005) sonlu örneklem düzeltilmiş standart hataları ile iki adımlı Sistem GMM kullanın. Tek adımlı tutarlıdır ancak verimsizdir; Windmeijer düzeltmesi olmayan iki adımlı, sonlu örneklemlerde ciddi şekilde aşağı doğru yanlı standart hatalar üretir.
Sistem GMM'ye zamanla değişmeyen regresörler dahil edebilir miyim?
Evet. Zamanla değişmeyen değişkenler fark denklemine giremez ancak seviye denkleminde regresör olarak dahil edilebilir, bu da Sistem GMM'yi coğrafya, yasal köken veya diğer sabit ülke veya firma özelliklerini içeren modeller için saf Fark GMM'den daha esnek hale getirir.
Kaynaklar
- Blundell, R., & Bond, S. (1998). Initial conditions and moment restrictions in dynamic panel data models. Journal of Econometrics, 87(1), 115–143. DOI: 10.1016/S0304-4076(98)00009-8 ↗
- Arellano, M., & Bover, O. (1995). Another look at the instrumental variable estimation of error-components models. Journal of Econometrics, 68(1), 29–51. DOI: 10.1016/0304-4076(94)01642-D ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Panel System Generalized Method of Moments Estimator. ScholarGate. https://scholargate.app/tr/econometrics/panel-system-gmm
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Arellano-Bond GMM TahmincisiEkonometri↔ karşılaştır
- Arellano-Bond Tahmincisi Olarak Fark GMMEkonometri↔ karşılaştır
- Panel Arellano-Bond GMM TahmincisiEkonometri↔ karşılaştır
- Dinamik Panel Veri ModeliEkonometri↔ karşılaştır
- Panel Sabit Etkiler ModeliEkonometri↔ karşılaştır
- Panel Rastgele Etkiler ModeliEkonometri↔ karşılaştır