Conditional Moment Estimation of Nonlinear Equation Systems: With an Application to an Oligopoly Model of Cooperative R&D

تخمین روش کلی گشتاورها (GMM) سیستم‌های غیرخطی دو مزیت مهم نسبت به تخمین حداکثر احتمال متعارف (ML) دارد: تخمین GMM معمولاً به مفروضات توزیعی محدودتری نیاز دارد و زمانی که تخمین ML سنگین یا حتی غیرممکن می‌شود از نظر محاسباتی جذاب باقی می‌ماند. این کتاب یک درمان عمیق از رویکرد لحظه‌ای مشروط به تخمین GMM مدل‌هایی که اغلب در اقتصاد خرد کاربردی با آن‌ها مواجه می‌شوند، ارائه می‌کند. این ویژگی‌های نمونه بزرگ و نمونه کوچک تخمین‌گرهای لحظه‌ای شرطی را پوشش می‌دهد و یک برنامه کاربردی برای سازمان‌های صنعتی تجربی ارائه می‌دهد. این کتاب با پوشش جامع و به‌روز این موضوع که شامل موضوعاتی مانند راه‌اندازی راه‌اندازی و تکنیک‌های احتمال تجربی است، دانشمندان، دانشجویان فارغ‌التحصیل و متخصصان اقتصاد سنجی کاربردی را مورد خطاب قرار می‌دهد.

Generalized method of moments (GMM) estimation of nonlinear systems has two important advantages over conventional maximum likelihood (ML) estimation: GMM estimation usually requires less restrictive distributional assumptions and remains computationally attractive when ML estimation becomes burdensome or even impossible. This book presents an in-depth treatment of the conditional moment approach to GMM estimation of models frequently encountered in applied microeconometrics. It covers both large sample and small sample properties of conditional moment estimators and provides an application to empirical industrial organization. With its comprehensive and up-to-date coverage of the subject which includes topics like bootstrapping and empirical likelihood techniques, the book addresses scientists, graduate students and professionals in applied econometrics.