GMM估計是用于解決內(nèi)生性問題的一種方法苛骨，除此之外還有TSLS兩階段最小二乘回歸篱瞎。
?
如果存在異方差則GMM的效率會優(yōu)于TSLS，但通常情況下二者結(jié)論表現(xiàn)一致痒芝，很多時候研究者會認(rèn)為數(shù)據(jù)或多或少存在異方差問題俐筋，因而可直接使用GMM估計。
?
內(nèi)生變量是指與誤差項相關(guān)的解釋變量吼野。對應(yīng)還有一個術(shù)語叫‘外生變量’校哎，其指與誤差項不相關(guān)的解釋變量。產(chǎn)生內(nèi)生性的原因通常在三類瞳步，分別說明如下：
?
內(nèi)生性問題的判斷上闷哆，通常是使用Durbin-Wu-Hausman檢驗（SPSSAU在兩階段最小二乘回歸結(jié)果中默認(rèn)輸出），當(dāng)然很多時候會結(jié)合自身理論知識和直觀專業(yè)性判斷是否存在內(nèi)生性問題单起。如果假定存在內(nèi)生性問題時抱怔，直接使用兩階段最小二乘回歸或者GMM估計即可。一般不建議完全依照檢驗進(jìn)行判斷是否存在內(nèi)生性嘀倒，結(jié)合檢驗和專業(yè)理論知識綜合判斷較為可取屈留。
?
內(nèi)生性問題的解決上，通常使用工具變量法测蘑，其基本思想在于選取這樣一類變量（工具變量）灌危，它們的特征為：工具變量與內(nèi)生變量有著相關(guān)(如果相關(guān)性很低則稱為弱工具變量)，但是工具變量與被解釋變量基本沒有相關(guān)關(guān)系碳胳。尋找適合的工具變量是一件困難的事情勇蝙，解決內(nèi)生性問題時，大量的工作用于尋找適合的工具變量挨约。
?
關(guān)于引入工具變量的個數(shù)上味混，有如下說明：
過度識別和恰好識別是可以接受的产雹，但不可識別這種情況無法進(jìn)行建模，似想用一個工具變量去標(biāo)識兩個內(nèi)生變量翁锡，這是不可以的蔓挖。
?
工具變量引入時，有時還需要對工具變量外生性進(jìn)行檢驗（過度識別檢驗）馆衔，針對工具變量外生性檢驗上瘟判，SPSSAU提供Hansen J檢驗。特別提示角溃，只有過度識別時才會輸出此兩個檢驗指標(biāo)荒适。
?
GMM估計類型參數(shù)說明如下：
?
案例說明
本案例引入Mincer(1958)關(guān)于工資與受教育年限研究的數(shù)據(jù)。案例數(shù)據(jù)中包括以下信息开镣，如下表格：
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?
數(shù)據(jù)共有12項，其中編號為1咽扇，5邪财，7，8质欲，12共五項并不在考慮范疇树埠。
本案例研究時癌别，工具變量為2個，內(nèi)生變量為1個蹋笼，因而為過度識別展姐，可以正常進(jìn)行TSLS回歸。
理論
操作
本案例分別將被解釋變量，內(nèi)生變量妓柜，工具變量和外生變量納入對應(yīng)的模型框中箱季，如下：
輸出結(jié)果
?文字分析
上一表格展示本次研究時涉及的各變量屬性掘殴，包括被解釋變量，內(nèi)生變量粟誓，工具變量和外生變量組成情況奏寨。
受教育年限的回歸系數(shù)值為0.112(p=0.000<0.01)，意味著受教育年限會對工資產(chǎn)生顯著的正向影響關(guān)系舔涎。
婚姻(已婚為1)的回歸系數(shù)值為0.168(p=0.000<0.01)笼踩，意味著相對未婚群體來講，已婚群體的工資水平明顯會更高亡嫌。
是否大城市(1為大城市)的回歸系數(shù)值為0.145(p=0.000<0.01)嚎于，意味著相對來講，大城市樣本群體挟冠，他們的工資水平明顯會更高于购。
當(dāng)前單位工作年限的回歸系數(shù)值為0.036(p=0.000<0.01)，意味著當(dāng)前單位工作年限會對工資產(chǎn)生顯著的正向影響關(guān)系知染。
總結(jié)分析可知：受教育年限, 婚姻肋僧，是否大城市, 當(dāng)前單位工作年限全部均會對工資產(chǎn)生顯著的正向影響關(guān)系。
上表格展示模型的基礎(chǔ)指標(biāo)值，包括模型有效檢驗wald卡方值（此處提供wald卡方非F檢驗）嫌吠，R值止潘，Root MSE等指標(biāo)值。
