KNOWECON WIKI

ARTICLE

广义矩估计法

广义矩估计法 (Generalized Method of Moments / GMM) 广义矩估计法（Generalized Method of Moments，简称GMM）是一类极其通用的参数估计方法，由拉尔斯·彼得·汉森（Lars Peter Hansen）于1982年正式提出，汉森因此贡献于2013年获得诺贝尔经济学奖。GMM的核心思想是：利用理论模

浏览 0 更新 2025-10-26

广义矩估计法 (Generalized Method of Moments / GMM)

广义矩估计法（Generalized Method of Moments，简称GMM）是一类极其通用的参数估计方法，由拉尔斯·彼得·汉森（Lars Peter Hansen）于1982年正式提出，汉森因此贡献于2013年获得诺贝尔经济学奖。GMM的核心思想是：利用理论模型所隐含的矩条件（moment conditions）——即模型变量与误差项之间的正交关系——来构造估计量，而不需要对数据的完整分布形式做任何假设。这种"半参数"（semi-parametric）的灵活性，使GMM成为现代计量经济学中应用最广泛的估计框架之一。

矩条件与估计原理

假设模型蕴含 KK 个矩条件 E[g(xt,θ)]=0\mathbb{E}[g(\mathbf{x}_t, \theta)] = 0，其中 θ\theta 是 pp 维待估参数（通常 K≥pK \geq p）。当矩条件数量超过参数数量时（即 K>pK > p），系统为过度识别（overidentified），GMM转而寻找使样本矩向量的加权二次型最小的参数值：

θ^=arg⁡min⁡θ  g‾(θ)′Wg‾(θ)\hat{\theta} = \arg\min_{\theta} \; \overline{g}(\theta)' W \overline{g}(\theta)

其中 g‾(θ)=1T∑t=1Tg(xt,θ)\overline{g}(\theta) = \tfrac{1}{T}\sum_{t=1}^{T} g(\mathbf{x}_t, \theta) 是样本矩条件向量，WW 是加权矩阵。汉森证明了最优加权矩阵是样本矩条件协方差矩阵的逆 Wopt=Ω^−1W_{\text{opt}} = \hat{\Omega}^{-1}，此时GMM估计量在所有基于同样矩条件的估计量中渐进有效。

与经典方法的关系

GMM是一个极具包容性的统一框架：普通最小二乘法将解释变量与误差项不相关作为矩条件；工具变量法以工具变量与误差项的正交性作为矩条件；极大似然估计的得分函数期望为零也构成矩条件。研究者只需设定合理的矩条件，GMM便能自动给出渐进一致且正态的估计量。

两步估计

标准实施流程为两步估计（two-step GMM）：步骤一使用初始加权矩阵（通常取单位矩阵 W=IW = I）获得一致但不高效的初步估计 θ~\tilde{\theta}；步骤二利用 θ~\tilde{\theta} 估计最优加权矩阵 W^=Ω^−1\hat{W} = \hat{\Omega}^{-1}，重新最小化二次型得到渐进有效的最终估计 θ^\hat{\theta}。此外还有迭代GMM和连续更新估计量（CUE）等变体。

过度识别检验

过度识别（矩条件个数超过参数个数）为模型设定检验提供了基础。汉森提出的J检验（过度识别约束检验）统计量为：

J=T⋅g‾(θ^)′Ω^−1g‾(θ^)→dχ2(K−p)J = T \cdot \overline{g}(\hat{\theta})' \hat{\Omega}^{-1} \overline{g}(\hat{\theta}) \xrightarrow{d} \chi^2(K - p)

在零假设（所有矩条件正确设定）下，J统计量渐进服从 χ2(K−p)\chi^2(K-p) 分布。若统计量超过临界值，则提示模型设定存在偏误。

主要应用

GMM在金融和宏观经济学中应用极其广泛：在资产定价中，基于随机贴现因子的消费资本资产定价模型以Euler方程作为矩条件估计风险厌恶系数；在理性预期模型中，代理人的预期误差与信息集正交形成矩条件；在面板数据中，阿雷拉诺-邦德估计量使用滞后变量作为工具变量，其本质即为GMM。

有限样本性质

GMM的有限样本性质可能不甚理想：弱工具变量问题可导致严重偏误；两步GMM在矩条件较多时存在向下偏误；时间序列中协方差矩阵的估计需使用异方差自相关一致估计量（HAC），带宽选择影响较大。实践中常用Windmeijer（2005）校正或bootstrap方法加以缓解。

主要参考文献

  • Hansen, L. P. (1982). Large Sample Properties of Generalized Method of Moments Estimators. Econometrica, 50(4), 1029–1054.
  • Hall, A. R. (2005). Generalized Method of Moments. Oxford University Press.
  • Hayashi, F. (2000). Econometrics. Princeton University Press.
  • Wooldridge, J. M. (2010). Econometric Analysis of Cross Section and Panel Data. MIT Press.