MQO: Método de um momento específico

GMM: Método generalizado

 Popularidade pelo Hansen (1982) -> Generalizar para parâmetros não lineares
 Simples e trivial -> Igualar um momento e igualar zero
 Força amostras a serem análogas a população
 Parâmetros de momentos decorrentes de Condições econômicas
 Na vdd é só igualar uma média amostral

MQO = Min resíduos quadrados; escolher parâmetros que os resíduos seja 0 .

 Oq acontece se for autocorrelacionado e heterocedástico? -> Beta é consistente, mas

não eficiente
 Erro padrão é viesado! Esse viés é ruim principalmente em cross-section e não
recomendado em CAPM
 Solução: Usar matriz de Correção dos erros padrões de Newy and West pra
Heteroscedasticidade

Y = beta_1 x_1 + e

Pra não ser viesado, x_1 precisa ser exógeno -> E(e|x1) = 0. \sum_{t=1}^{T}
x_{t}\left(y_{t}-\beta_{1} x_{t}\right)=0

Em economia, não costuma ser válido. Causalidade dupla!! Inflação -> Juro, mas Juro ->
Inflação

Uma forma de lidar é Variável Instrumental (VI) Usar z1 tq Cov(z1,x1) != 0 (Relevância do

instrumento), mas Cov(z1,e) = 0 (exogeneidade do instrumento)

O GMM É FORMA DE ESTIMAR Beta_1, POIS CADA CONDIÇÃO ANTERIOR É UMA CONDIÇÃO
DO MOMENTO.

Problema típico do GMM: Estimação quando qtd de condições de momento > qtd de
parâmetros

VI é caso particular de GMM

Igualar momento a zero e utilizar os parâmetros livres pra encontrar os parâmetros desejados
que igualam os momentos a zero

Testar os momentos individuais = ver se é 0?

1 estágio: ^b1 = argminb g_t(b)’W_gt(b)

2 Matriz HAC de Correção de erros

3 Escolhe o W eficiente

Se não tiver IV, é igual MQO.

Qual é o teste pra ver se MQO > GMM