Zamana Değişen Parametreli Arellano-Bond GMM
Time-Varying Parameter Arellano-Bond Generalized Method of Moments Estimator · Ayrıca şöyle bilinir: TVP Arellano-Bond GMM, TVP-AB GMM, time-varying coefficient dynamic panel GMM, state-space Arellano-Bond estimator
Zamana değişen parametreli Arellano-Bond GMM (TVP-AB GMM), klasik Arellano-Bond fark GMM çerçevesini, regresyon katsayılarının zaman içinde evrilmesine izin vererek genişleten dinamik bir panel tahmincisidir. Hem bireysel sabit etkileri hem de gecikmeli bağımlı değişkenlerin dışsallığını ele alırken, örneklem dönemi boyunca yapısal değişimi ve parametre istikrarsızlığını da hesaba katar.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Panel verileriniz dinamik (gecikmeli bağımlı değişken) bir yapıya sahipse ve eğimlerin zaman içinde değiştiğine inanmak için nedeniniz varsa — örneğin, bir politika reformundan sonra, bir finansal kriz sırasında veya örneklem birden fazla ekonomik rejimi kapsıyorsa — TVP-AB GMM'yi kullanın. Zamana değişen katsayıların belirlenmesine izin vermek için T'nin orta düzeyde (en az 10-15 dönem) olduğu ve N'nin GMM asimptotiğini destekleyecek kadar büyük olduğu durumlarda özellikle uygundur. T'nin çok kısa olduğu (5-6 dönemden az) durumlarda, parametrelerin gerçekten kararlı olduğu durumlarda (bunun yerine standart Arellano-Bond kullanın) veya eksik gözlemler Kalman filtresi özyinelemesini bozduğu için panelin çok dengesiz olduğu durumlarda kullanmayın.
Güçlü yönler & sınırlılıklar
- GMM araçlandırması yoluyla gecikmeli bağımlı değişkenlerin dışsallığını ele alır, tutarlılığı korur.
- İlk fark alma yoluyla gözlemlenmeyen bireysel sabit etkileri ortadan kaldırır, birim düzeyindeki heterojenlikten kaynaklanan eksik değişken yanlılığını önler.
- Statik bir tahmincinin maskeleyeceği yapısal değişimi ve parametre istikrarsızlığını yakalayarak eğimlerin zaman içinde evrilmesine izin verir.
- Tek bir nokta tahmininden daha zengin bir ekonomik yorum sunan tahmini katsayıların bir zaman yolunu üretir.
- Uygulamalı ekonometride iyi anlaşılmış ve yaygın olarak kabul görmüş Arellano-Bond araç setini miras alır.
- Zamana değişen bileşenin belirlenmesi ve Kalman filtresinin yakınsaması için orta düzeyde bir T boyutu (tipik olarak 10 veya daha fazla dönem) gerektirir.
- Araç sayısı T ile hızla artabilir, bu da araç çoğalması yanlılığı riskini taşır ve Sargan/Hansen aşırı tanımlama testini zayıflatır.
- Durum denklemi spesifikasyonu (rassal yürüyüş veya diğer geçiş modelleri) ve Kalman filtresi için başlangıç koşulları araştırmacı yargısı gerektirir.
- Standart Arellano-Bond'a kıyasla hesaplama açısından yoğundur ve yazılım desteği klasik tahminciye kıyasla sınırlıdır.
- GMM asimptotiği büyük N gerektirir; 30-50'den az kesitsel birime sahip panellerde çıkarım güvenilmez olabilir.
SSS
TVP-AB GMM standart Arellano-Bond GMM'den nasıl farklıdır?
Standart Arellano-Bond GMM, tüm eğim katsayılarını zaman periyotları boyunca sabit olmaya zorlar. TVP-AB GMM, eğimlerin stokastik bir süreci (genellikle bir rassal yürüyüş) izlemesine izin veren bir durum denklemi ile bunu genişletir, böylece her regresörün tahmini etkisi, GMM araçlandırma stratejisi aynı kalırken periyotlar boyunca sürüklenebilir.
Minimum zaman periyodu sayısı nedir?
Pratik bir kılavuz olarak, katsayıların zaman yolunu güvenilir bir şekilde belirlemek için Kalman filtresi için en az 10-15 zaman periyodu önerilir. Yalnızca Arellano-Bond araç seti için minimum T = 3'tür, ancak 6-8 periyottan az olduğunda TVP bileşeni belirlenemez ve bunun yerine standart Arellano-Bond kullanılmalıdır.
Bu ortamda araç çoğalmasıyla nasıl başa çıkmalıyım?
Araçların gecikme derinliğini kısıtlayın (örneğin, yalnızca t-2 ve t-3 gecikmelerini kullanın) veya araç matrisini her moment koşulu için tek bir araca daraltın. Hansen J-istatistiğini ve p-değerini rapor edin; şüpheli derecede yüksek bir p-değeri (0.25'in üzerinde) testin zayıflamasına neden olan çok fazla araç olduğunu gösterebilir.
TVP çerçevesinde Sistem GMM yerine Fark GMM kullanabilir miyim?
Evet. Sistem GMM, otoregresif parametre birliğe yakın olduğunda hassasiyeti artırabilen ek araçlar olarak seviye denklemleri ekler. Bir TVP-Sistem GMM varyantı benzerdir, ancak hesaplama karmaşıklığını ve araç çoğalması riskini daha da artırır.
Hangi yazılım TVP-AB GMM'yi tahmin edebilir?
Tek bir standart paket yoktur. Uygulayıcılar genellikle Kalman filtresi rutinlerini (R'de KFAS veya dlm paketleri aracılığıyla veya Matlab'da mevcuttur) manuel olarak kodlanmış GMM moment koşullarıyla birleştirir. Stata'nın xtabond2'si yerel olarak TVP'yi desteklemez, bu nedenle özel programlama veya simülasyon tabanlı yaklaşımlar genellikle gereklidir.
Kaynaklar
- Arellano, M., & Bond, S. (1991). Some Tests of Specification for Panel Data: Monte Carlo Evidence and an Application to Employment Equations. The Review of Economic Studies, 58(2), 277-297. DOI: 10.2307/2297968 ↗
- Canova, F., & Ciccarelli, M. (2009). Estimating Multicountry VAR Models. International Economic Review, 50(3), 929-959. DOI: 10.1111/j.1468-2354.2009.00554.x ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Time-Varying Parameter Arellano-Bond Generalized Method of Moments Estimator. ScholarGate. https://scholargate.app/tr/econometrics/time-varying-parameter-arellano-bond-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
- Dinamik Panel Veri ModeliEkonometri↔ karşılaştır
- Panel Arellano-Bond GMM TahmincisiEkonometri↔ karşılaştır
- Panel Sistem GMM (Blundell-Bond Tahmincisi)Ekonometri↔ karşılaştır
- Zamanla Değişen Parametreli VAR Modeli (TVP-VAR)Ekonometri↔ karşılaştır