System GMM (Arellano-Bover / Blundell-Bond)
System Generalized Method of Moments Estimator (Arellano-Bover / Blundell-Bond) · Ayrıca şöyle bilinir: Arellano-Bover estimator, Blundell-Bond estimator, dynamic panel GMM, Sistem GMM (Arellano-Bover / Blundell-Bond)
System GMM, geçmişe dönük bağımlı değişken içeren dinamik panel modelleri için genelleştirilmiş momentler yöntemi tahmin edicisidir. Blundell ve Bond (1998) tarafından, Arellano ve Bover'ın çalışmalarını temel alarak geliştirilen bu yöntem, N'nin büyük ve T'nin küçük olduğu durumlarda tutarlı tahminler elde etmek amacıyla, daha önceki fark GMM'nin (Arellano-Bond) fark denklemine seviye denkleminden oluşan bir denklemi ekler.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
+7 tane daha
Ne zaman kullanılır
System GMM, geçmişe dönük bağımlı değişken içeren ve az sayıda zaman boyutuna (tipik olarak N > 50 ve T 3 ile 10 arasında) sahip dinamik paneller için kullanılır. Serilerin kalıcı olduğu ve gecikmeli seviye araçlarının aksi takdirde zayıf olacağı durumlarda fark GMM'ye tercih edilen seçenektir. Temel gereksinimler, artıkların ikinci dereceden seri korelasyonunun olmaması (Arellano-Bond AR(2) testi), geçerli araçlar (Hansen J / Sargan testi) ve araç çoğalmasını önlemek için araç sayısını N'nin oldukça altında tutmaktır.
Güçlü yönler & sınırlılıklar
- N'nin büyük ve T'nin küçük olduğu durumlarda, geçmişe dönük bağımlı değişken içeren dinamik panel modellerinin tutarlı tahmini.
- Fark GMM'nin kalıcı seriler için zayıf araç sorununu, seviye denklemini moment koşullarına ekleyerek çözer.
- Yalnızca içsel araçlara (model değişkenlerinin gecikmeleri) dayanır, bu nedenle harici araçlara gerek yoktur.
- Makul sayıda birim gerektirir; N < 50 olduğunda araçlar geçerliliğini yitirir ve Hansen J testi güvenilmez hale gelir.
- Araç çoğalmasına karşı hassastır: araç sayısı N'yi aştığında, moment koşulları aşırı uyum sağlar ve Sargan/Hansen testi gücünü yitirir.
- AR(2) testinin reddedilmesi durumunda spesifikasyon başarısız olur, bu da dinamik yapının yanlış belirtildiğini ve araç geçerliliğinin bozulduğunu gösterir.
SSS
Fark GMM ile System GMM arasındaki fark nedir?
Fark GMM (Arellano-Bond), yalnızca ilk fark denklemini gecikmeli seviyeleri araç olarak kullanarak tahmin eder. System GMM (Blundell-Bond), gecikmeli farklarla araçlanan ikinci bir seviye denklemi ekler. Eklenen moment koşulları, fark GMM'nin tek başına zayıf kalacağı kalıcı seriler için araçları çok daha güçlü hale getirir.
Neden AR(2) testini kontrol etmeliyim?
Tahmin edici, aykırı hataların ikinci dereceden seri korelasyonu olmadığını varsayar. Farklarda birinci dereceden korelasyon beklenir, ancak Arellano-Bond AR(2) testi reddedilirse (p < 0.05), dinamik spesifikasyon yanlıştır ve gecikmeli araçlar geçersiz hale gelir.
Araç çoğalması nedir ve neden önemlidir?
GMM, daha derin gecikmelerden çok sayıda araç üretebilir. Araç sayısı N'ye yaklaştığında veya aştığında, moment koşulları endojen regresörlere aşırı uyum sağlar ve Sargan/Hansen aşırı tanımlama testi gücünü yitirir, genellikle p-değeri inanılmaz derecede 1'e yakın döner. Gecikme aralığını sınırlamak veya araç kümesini sabitlemek, sayıyı N'nin oldukça altında tutar.
Tek adımlı mı yoksa iki adımlı tahmin mi kullanmalıyım?
İki adımlı tahmin edici asimptotik olarak daha verimlidir ancak standart hataları sonlu örneklemlerde aşağı doğru yanlıdır. Önerilen uygulama, çıkarımın güvenilir olması için Windmeijer'in sonlu örneklem düzeltmesiyle birleştirilmiş iki adımlı tahmindir.
Kaynaklar
- Arellano, M. & Bond, S. (1991). Some Tests of Specification for Panel Data: Monte Carlo Evidence and an Application to Employment Equations. Review of Economic Studies, 58(2), 277-297. DOI: 10.2307/2297968 ↗
- 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 ↗
- Roodman, D. (2009). How to Do xtabond2: An Introduction to Difference and System GMM in Stata. Stata Journal, 9(1), 86-136. DOI: 10.1177/1536867X0900900106 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 1). System Generalized Method of Moments Estimator (Arellano-Bover / Blundell-Bond). ScholarGate. https://scholargate.app/tr/econometrics/system-gmm
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- En Küçük Kareler (EK) RegresyonuEkonometri↔ karşılaştır
- Panel Veri Sabit Etkiler ModeliEkonometri↔ karşılaştır
- Panel Vektör Otoregresyonu (Panel VAR)Ekonometri↔ karşılaştır
- Panel Veri Rastgele Etkiler ModeliEkonometri↔ karşılaştır