广义矩方法 `gmm`¶

statsmodels.gmm 包含基于广义矩估计的模型类和函数。目前实现了通用非线性情况。包含了一个标准的线性工具变量模型的示例类。这已被引入作为一个测试用例，它工作正确，但它没有考虑线性结构。对于线性情况，我们打算引入一个特定的实现，它将更快且在数值上更准确。

目前，GMM 接受任意非线性矩条件，并计算估计值，无论是给定的权重矩阵还是通过交替估计最优权重矩阵和估计参数来迭代计算。通过子类化 GMM 来实现具有不同矩条件的模型。在最小实现中，只需定义矩条件，momcond。

模块参考¶

`GMM`(endog, exog, instrument[, k_moms, ...])	用于广义矩估计的类
`GMMResults`(args, *kwds)	目前只是一个存储类
`IV2SLS`(endog, exog[, instrument])	使用两阶段最小二乘法（2SLS）进行工具变量估计
`IVGMM`(endog, exog, instrument[, k_moms, ...])	用于使用GMM进行工具变量估计的基本类
`IVGMMResults`(args, *kwds)	IVGMM 的结果类
`IVRegressionResults`(model, params[, ...])	OLS模型的结果类。
`LinearIVGMM`(endog, exog, instrument[, ...])	用于通过GMM估计的线性工具变量模型的类
`NonlinearIVGMM`(endog, exog, instrument, ...)	用于使用GMM进行非线性工具变量估计的类

Last update: Oct 16, 2024