SGMM：广义矩估计的随机逼近方法
计量经济学
2023-11-01 v2 机器学习
统计理论
统计计算
机器学习
统计理论
摘要
我们提出一类新的算法——随机广义矩估计（SGMM），用于对（过度识别的）矩约束模型进行估计与推断。我们的SGMM是流行的Hansen（1982）离线GMM的一种新颖随机逼近替代方案，能够提供快速且可扩展的实现，并具备实时处理流式数据集的能力。我们建立了低效在线2SLS与高效SGMM的几乎必然收敛性以及（泛函）中心极限定理。此外，我们提出了Durbin-Wu-Hausman与Sargan-Hansen检验的在线版本，可无缝集成于SGMM框架中。大量蒙特卡洛模拟表明，随着样本量增大，SGMM在估计精度上匹配标准（离线）GMM，并在计算效率上占优，显示出其对大规模与在线数据集的实用价值。我们通过两个知名大样本经验示例的概念验证展示了方法的有效性。
引用
@article{arxiv.2308.13564,
title = {SGMM: Stochastic Approximation to Generalized Method of Moments},
author = {Xiaohong Chen and Sokbae Lee and Yuan Liao and Myung Hwan Seo and Youngki Shin and Myunghyun Song},
journal= {arXiv preprint arXiv:2308.13564},
year = {2023}
}
备注
46 pages, 4 tables, 2 figures