Home | KTL nâng cao | Phương pháp PMG – Pooled Mean Group

Phương pháp PMG – Pooled Mean Group

Phương pháp GMM được sử dụng để khắc phục sự tương quan giữa các biến giải thích với các thành phần sai số (({mu _i}) hoặc ({varepsilon _{it}})) bằng cách sử dụng các biến đại diện ở phương trình sai phân và phương trình level. Ngoài ra, trong trường hợp mô hình có tính chất động (biến trễ phụ thuộc đóng vai trò là biến giải thích trong phương trình hồi quy) cũng như tồn tại biến nội sinh trong mô hình thì GMM vẫn là một phương pháp ước lượng phù hợp. Tuy nhiên, hạn chế lớn nhất của GMM là không đề cập đến các tác động trong dài hạn được thể hiện thông qua các mối quan hệ đồng kết hợp. Để khắc phục vấn đề tồn tại trên, Pesaran và Smith (1995), Pesaran (1997), và Pesaran, Shin và Smith (1999) đề xuất sử dụng phương pháp PMG (Pooled Mean Group).

Theo Pesaran và Smith (1995), phương pháp ước lượng PMG cho kết quả ước lượng các tham số có giá trị trung bình nhất quán. Pirotte (1999) còn cho rằng phương pháp PMG sẽ cho kết quả ước lượng trong dài hạn hiệu quả với cở mẫu lớn. Nó cho phép các tham số độc lập trong toàn bộ nhóm và không xét đến tính đồng nhất có thể có giữa các nhóm.

Các ước lượng dữ liệu bảng như FE, RE, GMM đòi hỏi các tham số đồng nhất giữa các đơn vị bảng. Ngoài ra, do không xét đến tính đồng kết hợp nên kết quả ước lượng của các hệ số hồi quy ở những phương pháp trên có thể bị chệch và không không quán trong dài hạn. Vấn đề này sẽ trở nên trầm trọng khi T lớn. Pesaran, Shin, và Smith (1999) đề xuất một phương pháp ước lượng trung gian (PMG) cho phép các tham số trong ngắn hạn khác biệt giữa các nhóm trong khi ràng buộc các tham số trong dài hạn đồng nhất giữa các đơn vị bảng. Vì vậy, ưu điểm của PMG là nó cho phép phân biệt tính động trong ngắn hạn (khác nhau giữa các nhóm) và dài hạn (đồng nhất giữa các nhóm).

Tóm lại, phương pháp PMG cho phép:

  • Ước lượng các hệ số trong dài hạn;
  • Xác định tốc độ hiệu chỉnh để trở về cân bằng trong dài hạn và
  • Gián tiếp kiểm tra tính dừng của ước lượng GMM.

    Phần nội dung có thu phí bên dưới đã được ẩn. Vui lòng đăng nhập hoặc đăng ký gói Premium. Trân trọng!