广义矩估计 `gmm`¶

statsmodels.gmm 包含基于广义矩估计的模型类和函数。目前已实现一般的非线性情况。包括一个标准线性工具变量模型的示例类。它作为一个测试用例引入，它工作正常，但没有考虑线性结构。对于线性情况，我们打算引入一个特定的实现，它将更快且在数值上更精确。

目前，GMM 采用任意非线性矩条件，并计算给定权重矩阵或通过交替估计最佳权重矩阵和估计参数来迭代地计算估计值。通过子类化 GMM 来实现具有不同矩条件的模型。在最小实现中，只需要定义矩条件 momcond。

模块参考¶

`GMM`(endog, exog, instrument[, k_moms, ...])	广义矩估计的类
`GMMResults`(args, *kwds)	现在只是一个存储类
`IV2SLS`(endog, exog[, instrument])	使用两阶段最小二乘法 (2SLS) 的工具变量估计
`IVGMM`(endog, exog, instrument[, k_moms, ...])	使用 GMM 的工具变量估计的基本类
`IVGMMResults`(args, *kwds)	IVGMM 的结果类
`IVRegressionResults`(model, params[, ...])	OLS 模型的结果类。
`LinearIVGMM`(endog, exog, instrument[, ...])	使用 GMM 估计的线性工具变量模型的类
`NonlinearIVGMM`(endog, exog, instrument, ...)	使用 GMM 的非线性工具变量估计的类

上次更新时间：2024 年 10 月 3 日