1. Notation
2. Assumptions관련
3. Estimator관련
4. Hypothesis Testing관련
3. Estimator관련
-Coefficient Estimators
-SGMM
-Consistency되려면 Assumptions 4개 필요
-Asymptotic Normality되려면 Assumptions 4개 필요
-Avar를 estimate하려면 Assumptions 5개 필요
-Consistent estimate of error variance를 구하려면 Assumptions 5개 필요
-S=E[gg]를 estimate하려면
-coefficient consistent estimator가 미리 존재+finite fourth moments
-혹은 consistent estimator of sigma^2+conditional homoskedasticity
-IV
-정의시 필요한 추가 Assumptions
-Exactly identified(K=L and rank condition 만족)
-OLS
-IV에서 IV=Regressor라면 IV-Estimator는 OLS-Estimator됨
-Efficient SGMM
-Efficient SGMM을 얻으려면 추가로 assumption 1개 더 필요(S의 consistent estimator가 있어야한다는)
-Efficient SGMM은 2-step으로 얻어진다.
-conditional homoskedasticity를 가정한다면, 추가 assumption이 필요없어지고 1-step으로 얻어짐
-2SLS
-정의시 필요한 추가 Assumptions
-conditional homoskedasticity를 이용하여 weighting matrix를 택하는 경우
-또 다른 유도법
-IV Estimator로써 유도가능
-Two Regression으로 유도가능(그래서 2SLS라 한다.)
-Sargan's Statistic과 관련됨
-모든 regressors가 IV에 포함된다면(under conditional homoskedasticity), 2SLS는 OLS됨
-MGMM
-consistency, Asymptotic Normality, Avar 는 SGMM과 같음
-Consistent estimate of error variance->consistent estimate of contemporaneous error cross-equation moments
-Assumptions 5개 필요
-S=E[gg]를 estimate하려면
-coefficient consistent estimator가 미리 존재+finite fourth moments
-conditional homoskedasticity+E[z_im*z_ih]:exists and finite
-equ-by-equ SGMM's는 MGMM의 특수경우이다.
-Joint할 경우 equ-by-equ보다 더 efficient해 지는데, 단점도 있음
-small-sample properties가 줄어듦
-correctly specified될 확률이 낮아짐, 1개의 equ가 not orthogonal이어서 나머지도 모두 inconsistent하게 될 수 있음
-MGMM with common coefficient가 MGMM의 special case같지만, 사실상, 임의의 MGMM을 with common coefficient로 바꿀 수 있다.
-Efficient MGMM
-equ-by-equ efficient SGMM's가 Efficient MGMM이 될 충분조건이 있다.
-Exactly Identified이거나
-혹은 equations are unrelated거나
-FIVE
-정의시 필요한 추가 Assumptions
-conditional homoskedasticity를 이용하여 weighting matrix를 택함
-Sargan's Statistic과 관련
-3SLS
-정의시 필요한 추가 Assumptions
-IV가 모든 equations마다 같음
-SUR(Seemingly Unrelated Regressions)
-정의시 필요한 추가 Assumptions
-IV가 모든 regressors의 union(over all equations)
-overidentified이면, SUR가 equ-by-equ SGMM's(OLS)보다 efficient
- 이것도 unrelated하면, efficient같게됨, 즉 asymptotically equivalent
-Multivariate Regression
-정의시 필요한 추가 Assumptions
-Just identified
-MGMM=equ-by-equ SGMM's됨
-Multivariate Regression을 SUR+priori restrction으로 볼 수 있고, 이경우 후자가 더 efficient
-Random Effect Estimator
-정의시 필요한 수정된 Assumptions
-linearity with common coefficient
-identification with common coefficient
-Pooled OLS
-(GMM입장)weighting matrix를 특별한 걸 대입해서 얻음, OLS로 얻는 것임
-따라서 orthogonality condition보다 약한 걸 exploiting
-data index 2개중 1개를 무시해버려서 다 모아버려서 OLS하는 것임(따라서 pooled OLS라 함)
-장점:
-계산량이 적음
-robust to the failure of the cross orthogonalities, 즉 cross orthogonality가 성립하지 않더라도 consistent한 estimator
-주의:
-Standard Error by OLS Package가 biased
-Fixed-Effect Estimator
-consistent(전체 error의 conditional homoskedassticity가 없어도)
-asymptotic normal(전체 error의 conditional homoskedassticity가 없어도)
-Avar를 consistent하게 estimate가능 with conditional homoskedasticity
(conditional homoskedasticity가 없어도 finite fourth moment가정있으면 됨)
-not efficient
-fixed effect의 spherical condition을 가정하면, fixed effect의 variance를 consistent하게 estimate가능
-Random Effect는 3개를 더 가정함, Fixed-Effect는 이 3개를 만족하지 않더라도 consistent
(즉 Fixed-Effect는 Random Effect보다 less efficient지만, consistent가 유지될 가능성이 높음)
'기타 > 경제,계량경제,금융' 카테고리의 다른 글
[Econometrics]Hypothesis Testing (0) | 2014.02.25 |
---|---|
[Econometrics]Assumptions (0) | 2014.02.25 |
[Econometrics]Notation (0) | 2014.02.25 |
[계량경제]Econometrics, Hayashi 내용정리 (0) | 2014.02.10 |
[CFA][L1]Economics,Chapter 5. Aggregate Output, Prices, and Economic Growth (0) | 2014.02.01 |