我对题目的理解是:
给定了两个随机变量的联合分布,将其中一个表示为另一个的函数,而该函数要具有一定的性质,
这种特定的性质就是该函数对被解释变量的方差均值是最小的——这就是所谓的最小二乘法。
将一个变量表示为另一个变量的函数时,可以有无数多种形式,具有上述性质的函数形式我不敢说只有一个但是一定不
多,而且用CE算出来的一定是其中一种(我所列出来的证明就是在证明这一点)。
至于还有没有其他方法也能算出具有这样性质的函数,我实在还不知道,如果楼上的知道的话请算出来。
如果变量之间存在某种明确的经济关系时,我们可以对它们之间的形式进行假设——就是建模(你所谓的显性函数关
系),之后再对模型中的参数进行估计。如果模型是线性的我们最常用的估计方法是OLS,用OLS估计出来的参数具有
在给定模型的情况下的最小方差均值的性质。
恕我之前对你所谓“显性函数关系”理解的偏差,我想说的是就算没有对随机变量之间假设“显性的函数关系”也可以
将它们之间最小二乘的函数关系算出来,而用CE计算就是一种方法。因此之前我所说的就是:用CE计算是一种“ls
method”,因为用CE算出来的函数具有efficiency 的“properties”。
我只是初学者,这学期只学到了GMM,恕我无知,真的不知如何运用MLS(应该是最大似然的方法吧?),
如果楼上的大侠很了解的话,请也写出具体的解答过程好让在下也学习学习。谢谢!