روش برآورد گشتاور تعمیمیافته (GMM) در ایویوز
روش گشتاور تعمیمیافته (Generalized Method of Moments – GMM) یکی از مهمترین روشهای برآورد در اقتصادسنجی مدرن است که بهویژه در مدلهایی با مشکلات درونزایی، ناهمسانی واریانس و خودهمبستگی به کار میرود. این روش که ابتدا در منابع انگلیسی اقتصادسنجی بهصورت گسترده معرفی شده است، انعطافپذیری بالایی دارد و در نرمافزار EViews نیز بهصورت ساختاریافته قابل پیادهسازی است. در این محتوا، منطق نظری GMM و نحوه استفاده از آن در ایویوز بهصورت توضیحی بررسی میشود.
منطق روش گشتاور تعمیمیافته (GMM)
ایده اصلی GMM بر این فرض استوار است که مدل اقتصادی مجموعهای از شرایط گشتاوری را ایجاد میکند؛ به این معنا که امید ریاضی برخی توابع از متغیرها و پارامترها باید برابر صفر باشد. این شرایط معمولاً از روابط نظری مدل یا از متغیرهای ابزاری به دست میآیند.
در منابع انگلیسی تأکید میشود که GMM بهجای تکیه کامل بر توزیع آماری مشخص، بر اطلاعات موجود در گشتاورها متکی است و به همین دلیل نسبت به فروض کلاسیک انعطافپذیرتر عمل میکند.
کاربرد GMM در مواجهه با درونزایی
یکی از مهمترین دلایل استفاده از GMM، وجود درونزایی (Endogeneity) در مدل است. زمانی که متغیرهای توضیحی با جزء اخلال همبستگی داشته باشند، روش حداقل مربعات معمولی نتایج ناسازگار ارائه میدهد.
GMM با استفاده از متغیرهای ابزاری مناسب، این مشکل را برطرف میکند و امکان برآورد سازگار ضرایب را فراهم میسازد. به همین دلیل، در تحلیلهای تجربی اقتصاد کلان، اقتصاد مالی و دادههای تابلویی، GMM جایگاه ویژهای دارد.
تفاوت GMM با روشهای کلاسیک برآورد
در مقایسه با روشهایی مانند OLS یا 2SLS، روش GMM محدود به تعداد معینی از متغیرهای ابزاری نیست و میتواند از مجموعهای بزرگ از شرایط گشتاوری استفاده کند. این ویژگی باعث افزایش کارایی برآورد میشود.
همچنین منابع انگلیسی اشاره میکنند که GMM حتی در حضور ناهمسانی واریانس یا خودهمبستگی در خطاها، همچنان قابلیت ارائه نتایج معتبر را دارد؛ مزیتی که در بسیاری از کاربردهای عملی اهمیت زیادی دارد.
انواع مدلهای قابل برآورد با GMM
روش گشتاور تعمیمیافته در چارچوبهای مختلفی به کار میرود. از جمله رایجترین کاربردهای آن میتوان به موارد زیر اشاره کرد:
- مدلهای پویای اقتصاد کلان
- مدلهای دادههای تابلویی
- مدلهای مالی با دادههای سری زمانی
- مدلهایی که شامل متغیرهای وقفهدار وابسته هستند
در تمامی این موارد، انتخاب درست ابزارها نقش تعیینکنندهای در کیفیت نتایج دارد.
پیادهسازی روش GMM در ایویوز
نرمافزار EViews امکان برآورد مدلها با استفاده از GMM را بهصورت منسجم فراهم کرده است. کاربر ابتدا ساختار معادله را تعیین میکند و سپس مجموعه ابزارها و شرایط گشتاوری را مشخص میسازد.
ایویوز ماتریس وزندهی را بهصورت خودکار محاسبه میکند و امکان استفاده از روشهای مختلف یکمرحلهای یا دومرحلهای GMM را در اختیار پژوهشگر قرار میدهد؛ رویکردی که در متون انگلیسی استاندارد نیز توصیه شده است.
آزمونهای تشخیصی در GMM
پس از برآورد مدل، انجام آزمونهای تشخیصی اهمیت زیادی دارد. یکی از مهمترین این آزمونها، آزمون محدودیتهای بیشازحد یا آزمون J هانسن (Hansen J Test) است که اعتبار ابزارها را بررسی میکند.
در صورت رد نشدن فرض صفر این آزمون، میتوان نتیجه گرفت که ابزارهای انتخابشده با جزء اخلال همبستگی ندارند و مدل بهدرستی مشخص شده است.
انتخاب ابزارها و اهمیت آن
منابع انگلیسی بارها تأکید میکنند که قدرت و اعتبار روش GMM به کیفیت ابزارها وابسته است. ابزارهای ضعیف میتوانند منجر به تورش قابلتوجه در ضرایب شوند، حتی اگر روش GMM بهدرستی اجرا شده باشد.
در نتیجه، تحلیل نظری قوی و شناخت روابط اقتصادی پیش از برآورد مدل در ایویوز ضروری است.
مزایا و محدودیتهای روش GMM
از مهمترین مزایای GMM میتوان به انعطافپذیری بالا، قابلیت مقابله با درونزایی و سازگاری در شرایط مختلف آماری اشاره کرد. با این حال، این روش به انتخاب ابزارها و حجم نمونه حساس است و در نمونههای کوچک ممکن است نتایج ناپایداری ارائه دهد.
کلیدواژه ها : روش گشتاور تعمیمیافته - GMM - Generalized Method of Moments - ایویوز - EViews Software - اقتصادسنجی - Econometrics - درونزایی - Endogeneity - متغیر ابزاری - Instrumental Variables - آزمون هانسن - Hansen J Test
