翻訳と辞書 Words near each other ・ 一般化されたリーマン予想 ・ 一般化された函数 ・ 一般化された原子価結合 ・ 一般化された商標一覧 ・ 一般化された多角形 ・ 一般化された複素構造 ・ 一般化した遷移状態理論 ・ 一般化アペル多項式 ・ 一般化タクシー数 ・ 一般化パレート分布 ・ 一般化モーメント法 ・ 一般化函数 ・ 一般化原子価結合 ・ 一般化双曲型分布 ・ 一般化句構造文法 ・ 一般化商標 ・ 一般化多角形 ・ 一般化学 ・ 一般化座標 ・ 一般化座標系 Dictionary Lists mini英和辞書 mini和英辞書 Webster 1913 Latin-English FOLDOC Wikipedia English ウィキペディア

翻訳と辞書　辞書検索 [ 開発暫定版 ] スポンサード リンク 一般化モーメント法 ： ミニ英和和英辞書 一般化モーメント法[いっぱんか] ===================================== 〔語彙分解〕的な部分一致の検索結果は以下の通りです。 ・ 一 ： [いち] 　 1. (num) one　 ・ 一般 ： [いっぱん] 　 1. (n,adj-no) general　2. liberal　3. universal　4. ordinary　5. average　 ・ 一般化 ： [いっぱんか] 　 1. (n,vs) generalization　2. generalisation　3. popularization　4. popularisation ・ 化 ： [か] 　(suf) action of making something ・ ー ： [ちょうおん] 　(n) long vowel mark (usually only used in katakana) ・ 法 ： [ほう] 　 1. (n,n-suf) Act (law: the X Act)　 一般化モーメント法 ： ウィキペディア日本語版 一般化モーメント法[いっぱんか] 一般化モーメント法（いっぱんかモーメントほう、）とは、計量経済学において統計モデルのパラメーターを推定するための一般的な方法である。通常、セミパラメトリックモデルで適用され、そのようなセミパラメトリックモデルにおいて興味のあるパラメーターは有限次元であり、一方データの分布関数の全容は知られていないこともありうる。よってそのようなモデルでは最尤法が適用できない。 一般化モーメント法においては、モデルについてのいくつかのモーメント条件が特定されている必要がある。これらのモーメント条件はモデルのパラメーターとデータの関数である。例えば、真のパラメーターの下で期待値が0となるようなものがある。この時、一般化モーメント法はモーメント条件の標本平均のあるノルムを最小化する。 一般化モーメント法による推定量は一致性、漸近正規性を持つことが知られ、さらにモーメント条件以外の情報を使わないすべての推定量のクラスにおいて統計的に効率的であることも知られている。 一般化モーメント法はラース・ハンセンにより1982年に、カール・ピアソンが1894年に導入したモーメント法の一つの一般化として提案された。ハンセンはこの業績により2013年のノーベル経済学賞を受賞した。 == 概要 == 利用可能なデータは ''T'' 個の観測値 からなると仮定する。ここでそれぞれの観測値 ''Yt'' は ''n'' 次元の多次元確率変数であるとする。ここでこのデータはある統計モデルから生成されるとし、その統計モデルは未知パラメーター によって定義されるものとする。この推定問題の目的は真のパラメーター ''θ''0 もしくは少なくとも適度に近い推定量を見つけることである。 一般化モーメント法の一般的な仮定はデータ ''Yt'' がかつな確率過程であることである（独立かつ同一分布に従う確率変数 ''Yt'' はこの条件の特殊ケースである）。 一般化モーメント法を適用する為に、モーメント条件を特定する必要がある。つまり以下のようなベクトル値関数 ''g''(''Y'',''θ'') が既知でなくてはならない。 : $$ m(\theta_0) \equiv \operatorname=0, ここで E は期待値、''Yt'' は一般的な観測値を表す。加えて関数 ''m''(''θ'') は ならば0と異なる値を取らなくてはならない。そうでなければパラメーター ''θ'' は識別不可能である。 一般化モーメント法の基本的なアイデアは理論的な期待値 E を実証的なもの、つまり標本平均に置き換えることである。 : $$ \hat(\theta) \equiv \frac\sum_^T g(Y_t,\theta) そして、この時、この表現のあるノルムを ''θ'' について最小化する。ノルムを最小化する ''θ'' が ''θ''0 の推定量である。 大数の法則により、十分大きな ''T'' について $\backslash scriptstyle\backslash hat(\backslash theta)\backslash ,\backslash approx\backslash ;\backslash operatorname$\,=\,m(\theta) であり、 よって $\backslash scriptstyle\backslash hat(\backslash theta\_0)\backslash ;\backslash approx\backslash ;m(\backslash theta\_0)\backslash ;=\backslash ;0$ が成り立つことが予想される。一般化モーメント法はできるだけ $\backslash scriptstyle\backslash hat(\backslash ;\backslash !\backslash hat\backslash theta\backslash ;\backslash !)$ を0に近づけるような $\backslash scriptstyle\backslash hat\backslash theta$ を探す。数学的にはこの方法は $\backslash scriptstyle\backslash hat(\backslash theta)$ のあるノルムを最小化することと同値である（''m'' のノルムを ||''m''|| と表し、''m'' とゼロの間の距離を測るものとする)。結果として得られた推定量の持つ性質はノルム関数の選択にもよるので、ゆえに一般化モーメント法の理論はノルム全体の族を考慮する。以下を定義する。 : $$ \| \hat(\theta) \|^2_ = \hat(\theta)'\,W\hat(\theta), ここで ''W'' は正値定符号である加重行列で ''m′'' は転置を表す。実践上、加重行列 ''W'' は利用可能なデータセットに基づいて計算され、そのようにして計算された加重行列を $\backslash scriptstyle\backslash hat\_T$ とする。よって一般化モーメント法による推定量は以下のように書ける。 : $$ \hat\theta = \operatorname\min_ \bigg(\frac\sum_^T g(Y_t,\theta)\bigg)' \hat_T \bigg(\frac\sum_^T g(Y_t,\theta)\bigg) 適切な条件の下で、一般化モーメント法による推定量は一致性と漸近正規性を持つ。そして加重行列 $\backslash scriptstyle\backslash hat\_T$ を正しく選択すれば効率的な推定量となる。 抄文引用元・出典: フリー百科事典『 ウィキペディア（Wikipedia）』 ■ウィキペディアで「一般化モーメント法」の詳細全文を読む スポンサード リンク 翻訳と辞書 : 翻訳のためのインターネットリソース Copyright(C) kotoba.ne.jp 1997-2016. All Rights Reserved.