广义矩方法(GMM)的基本思想

     GMM（Generalzed method of moments）估计又称广义矩估计，是基于模型实际参数满足一定矩条件而形成的一种参数估计方法，是矩估计方法的一般化。只要模型设定正确，则总能找到该模型实际参数满足的若干矩条件而采用GMM 估计。传统的计量经济学估计方法，例如普通最小二乘法、工具变量法和极大似然法等都存在自身的局限性。即其参数估计量必须在满足某些假设时，比如模型的随机误差项服从正态分布或某一已知分布时，才是可靠的估计量。而GMM 不需要知道随机误差项的准确分布信息，允许随机误差项存在异方差和序列相关，因而所得到的参数估计量比其他参数估计方法更有效。因此，GMM 方法在模型参数估计中得到广泛应用。
    广义矩方法其基本思想是：在随机抽样中，样本统计量将依概率收敛于某个常数。这个常数又是分布中未知参数的一个函数。即在不知道分布的情况下，利用样本矩构造方程（包含总体的未知参数），利用这些方程求得总体的未知参数。

应用方面的学习文献：
1.饶华春:《中国金融发展与企业融资约束的缓解-基于系统广义矩估计的动态面板数据分析》，《金融研究》，2009年第9期。
2.谭本艳：《金融发展对我国资本形成的效应和地区差异-基于系统广义矩估计的动态面板数据分析》，《软科学》，2008年第10期。
3.褚玉春：《债务融资对制造业经营绩效的影响效应研究——基于广义矩法估计的动态面板数据分析》，《 数量经济技术经济研究》， 2009年第9期。
4.李群峰:《动态面板数据模型的GMM 估计及其应用》，《统计与决策》，2010 年第16 期。