Yapay Zeka Destekli Eğitim ve Uygulama Platformu
Eğitim Platformu
OmegaMetriX Analiz Merkezi
Arellano–Bond Genelleştirilmiş Momentler (GMM) Tahmincisi
Arellano–Bond GMM tahmincisi, dinamik panel veri modellerinde birinci fark dönüşümü ve gecikmeli değişkenlerden oluşturulan araç değişken setlerini kullanarak tutarlı tahminler elde eden yöntemdir.
Arellano ve Bond (1991) tarafından geliştirilen Genelleştirilmiş Momentler (GMM) tahmincisi, dinamik panel veri modellerinde birinci fark dönüşümüyle birim etkileri ortadan kaldırmakta ve gecikmeli bağımlı değişkenin içselliğini uygun gecikmeli değerleri araç değişken olarak kullanarak kontrol etmektedir. Tek bir araç yerine mevcut moment koşullarından yararlanılarak bir araç değişken seti oluşturulmaktadır. Bu nedenle yöntem Fark GMM veya Birinci Fark GMM olarak da bilinmektedir (Yerdelen Tatoğlu, 2023, s. 154).
Birinci fark modeli,
ΔYᵢₜ = δΔYᵢ,ₜ₋₁ + β′ΔXᵢₜ + Δuᵢₜ
şeklinde ifade edilebilir. Model, araç değişken matrisi kullanılarak GMM yöntemiyle tahmin edilmektedir. Arellano–Bond yaklaşımı, bir aşamalı veya daha etkin olan iki aşamalı GMM tahmincisi biçiminde uygulanabilmektedir (Yerdelen Tatoğlu, 2023, ss. 154–155).
Araç değişken sayısının T ile birlikte hızla artabilmesi araç değişken çoğalması sorununa yol açabilmektedir. Bu durum özellikle N'nin yeterince büyük olmadığı panellerde testlerin ve tahminlerin güvenilirliğini olumsuz etkileyebilir. Bu nedenle araç değişken sayısının N'den ve mümkün olduğunca birim sayısının üçte birinden daha küçük tutulmasına dikkat edilmelidir (Yerdelen Tatoğlu, 2023, s. 155).