• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of statistical computation and simulation >A Monte Carlo comparison of GMM and QMLE estimators for short dynamic panel data models with spatial errors
【24h】

A Monte Carlo comparison of GMM and QMLE estimators for short dynamic panel data models with spatial errors

机译：具有空间误差的短动态面板数据模型的GMM和QMLE估计量的蒙特卡洛比较

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We suggest a generalized spatial system GMM (SGMM) estimation for short dynamic panel data models with spatial errors and fixed effects when n is large and T is fixed (usually small). Monte Carlo studies are conducted to evaluate the finite sample properties with the quasi-maximum likelihood estimation (QMLE). The results show that, QMLE, with a proper approximation for initial observation, performs better than SGMM in general cases. However, it performs poorly when spatial dependence is large. QMLE and SGMM perform better for different parameters when there is unknown heteroscedasticity in the disturbances and the data are highly persistent. Both estimates are not sensitive to the treatment of initial values. Estimation of the spatial autoregressive parameter is generally biased when either the data are highly persistent or spatial dependence is large. Choices of spatial weights matrices and the sign of spatial dependence do affect the performance of the estimates, especially in the case of the heteroscedastic disturbance. We also give empirical guidelines for the model.
机译：我们建议对短动态面板数据模型进行广义空间系统GMM（SGMM）估计，当n大且T固定（通常较小）时，具有空间误差和固定效应。进行了蒙特卡洛研究，以准最大似然估计（QMLE）评估有限样本的属性。结果表明，在初始情况下，QMLE具有适当的近似值，在一般情况下，其性能优于SGMM。但是，当空间依赖性大时，它的性能较差。当干扰中存在未知的异方差性且数据具有高度持久性时，QMLE和SGMM对于不同的参数效果更好。两种估计对初始值的处理都不敏感。当数据具有高度持久性或空间依赖性大时，空间自回归参数的估计通常会有偏差。空间权重矩阵的选择和空间依赖性的符号确实会影响估计的性能，尤其是在异方差干扰的情况下。我们还为该模型提供了经验指导。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号