动态面板数据模型的最优广义矩估计方法研究及其应用

Dynamic panel data models are widely used in economics, finance and business management, since they can describe the dynamics of adjustment of economic system. But many researches show that finite sample biases of generalized method of moments (GMM) estimators for dynamic panel data models are large. This makes related applications less unreliable. In order to improve the finite sample performance of GMM estimators, this project studies optimal GMM estimation for dynamic panel data models from the perspective of model selection, i.e., aiming at minimize the mean square error of GMM estimators. First, we derive the mean square error of GMM estimators for dynamic panel data models. According to this approximation, we propose a criterion of choosing moments by minimizing the approximation of the mean square error and prove the asymptotic efficiency. Then, we estimate the model using the selected moments, and we employ simulated annealing algorithm to solve the optimization problem of the selection criteria. Last, the proposed methods are applied to study the convergence speed of economic growth for China and world economy, and capital structure adjustments for listed company. This project is of very important theoretical and practical implications. The proposed method provides an important theoretical basis for using dynamic panel data models scientifically and reasonably, and provides scientific decision supports for macroeconomic decisions of the government and long-term planning of the enterprise.

动态面板数据模型能刻画经济系统的动态调整过程，从而被广泛应用于经济、金融以及企业管理的实证研究中。但该模型的广义矩估计量存在较大有限样本偏差，导致实证研究结论并不十分可靠。本项目从模型选取角度，提出使得动态面板数据模型广义矩估计量均方误差最小的估计方法，来改善估计量的有限样本表现。首先，从理论上推导动态面板数据模型广义矩估计量的均方误差表达式，并以此为基础构建矩条件的选取准则及证明选取准则的渐近有效性；然后，基于选取准则选出的矩条件进行广义矩估计，并提出实现最优估计的模拟退火算法；最后，将提出的方法应用于中国及世界经济增长收敛速度和上市公司资本结构调整速度的实证研究中。本研究为科学可靠地使用动态面板数据模型提供重要的理论依据，进而为政府宏观经济决策和企业中长期规划提供科学的决策支持，具有十分重要的理论价值和现实意义。

动态面板数据模型能刻画经济系统的动态调整过程，被广泛应用于经济、金融以及企业管理的实证研究中。但该模型的广义矩估计量存在较大有限样本偏差，导致实证研究结论并不可靠。本项目从模型选取的角度，提出使得动态面板数据模型广义矩估计量均方误差最小的估计方法，来改善估计量的有限样本表现。动态面板数据模型是矩约束模型的特例，其基本估计方法是广义矩方法。首先，本项目从估计量均方误差（MSE）最小的角度，提出了一般矩约束模型两步有效广义矩（GMM）估计的最优矩条件选取方法。利用迭代的方法，推导出两步有效GMM估计的高阶MSE，然后通过Nagar分解，求出了两步有效GMM估计量的近似MSE；基于近似MSE表达式，给出了两步有效GMM估计矩条件选取准则的一般理论，即定义了最优的矩条件，提出了两步有效GMM估计的最优矩条件选取准则，并证明了选取准则的渐近有效性。接着，将截面数据矩约束模型的最优矩条件选取方法推广到动态面板数据模型下，针对含有个体效应的动态面板数据模型，推导了GMM估计量的渐近性质，并根据高阶渐近展开理论推导了GMM估计量的高阶MSE表达式，基于该表达式，构造选取准则，证明选取准则的渐近有效性。针对基于子集的模型选取方法受限于问题规模的局限，将组合优化求解问题中的模拟退火算法与提出的选取准则相结合，提出有效可行的模拟退火算法，解决选取准则的最优化求解问题。然后，通过蒙特卡罗模拟考察了提出的选取方法的有限样本性质，结果显示，提出的方法能够有效地降低估计量的有效样本偏差。将提出的方法应用于我国居民教育回报率的测算、商业银行客户贷款违约风险预警、我国行业层面上能源消费与经济增长的关系，以及我国省级层面上航空运输需求与经济增长之间的关系等的研究。本研究为科学可靠地使用动态面板数据模型提供了重要的理论依据，具有重要的理论价值和现实意义。