ALIAH HAERUNNISA
(H121 12 003)
1. Metode Momen
Definisi Momen
Definisi 1
Momen ke- r
r =E ( x ) =
x r f (x ) jika x diskrit
x
xr f ( x ) dx jika x kontinu
Dimana r=0,1,2,
Definisi 2
Momen ke- r
r =E [ ( x )r ] =
x disekitar
dinotasikan dengan
Kekonvergenan Momen
Teorema 1
d
Misalkan
{X n }n 1
dan
Xn X
maka
0<k < pernyataan berikut ekuivalen :
(i)
E|X n| < , n 1 ,
E|X n| E|X|
{| X n|}n 1
(ii)
>0, M (0, )
E X k I X > M <
))
n 1 (| n| (| n|
Contoh:
Misalkan
Xn
untuk n=1,2,
Maka
{X n }n 1
P ( X n=0 )=1
memiliki
d distribusi
Maka
Xn 0
tetapi
1
n
E X n=1
dan
P ( X n=n )=
1
n
tidak menuju ke 0 .
Metode Momen
Metode momen adalah metode yang digunakan sebagai alat untuk membuktikan
kekonvergenan dalam distribusi.
Teorema 2 (Teorema Frechet- Shohat)
Misalkan
{X n }n 1
k N , lim E X n mk
n
ada
X , maka
{mk }n 1
Xn X
Metode Momen
Misalkan
X 1 , X 2 , , X n
f ( x ; 1 ,2 , , n ) , ( 1 , , n )
dengan p.d.f.
Momen ke- k
. Maka:
E ( X k ) , k =1,2,3,
n
Momen ke- k
X ki
M k = i=1
n
, k=1,2,3,
E ( X k ) =M k
X .
tX
tX
E ( e ) = e , jika X variabel acak diskrit
x
tX
Ekspektasi di atas ( E ( e ) disebut fungsi pembangkit momen (m.g.f)
M (t ) . Sehingga:
M (t) dapat digunakan untuk mencari variansi dan rata- rata yaitu:
M ' ( 0 ) =E ( x ) =
2=E ( x2 ) 2
''
'
M ( 0 )(M ( 0 ) )
Contoh:
()
e
x=0
tX
( nx ) p (1 p)
x
nx
pe
(nx)( t) (1 p)
x
x=0
( p e t +1 p)n
n x
=M ' ( 0 )
M ' ( t )=n( p e t +1p)n1 p e t
( p e0 +1p)n1 p e0
M ' ( 0 )=n
n( p+1p)n1 p
np
=np
2
''
'
=M ( 0 )( M ( 0 ) )
n 2
( p e t )2+ n( p e t +1 p)n1 p e t
n2
n ( n1 ) p2 + pn
2
2
2 2
Jadi =n ( n1 ) p + npn p =np(1p)
Contohnya:
Pada regresi linier klasik
y t =x't +e t
'
dimana x t=( x 1t , , x mt ) adalah vektor berukuran- m dari variabel penjelas
dan
e
adalah vektor berukuran- m dari koefisien regresi , dan t adalah
error term.
Kondisi- kondisi momennya adalah:
(i)
[ e t ]= 2
Var
'
E ( yt x t ) x t = E [ et x t ] =0 untuk setiap t
(ii)
E [ e t eu ]=0
(iii)
untuk setiap t u
1
'
y tx t ) x t
(
T t =1
dan memilih nilai
T
dari
1
( y x ' ^ ) x t 0
T t =1 t t
sedemikian sehingga
(estimator OLS),
Dimana
'
x t pada garis t
dan
y t =( y 1 , , y T )' . Sehingga estimasi OLS dan GMM pada kasus ini sama.
Estimasi GMM dirumuskan oleh Hansen (1982) dan menjadi salah satu
metode estimasi yang banyak digunakan untuk model ekonomi dan keuangan.
Tidak seperti maximum likelihood estimation (MLE), GMM tidak perlu
megetahui distribusid ari data. Pada GMM yang dibutuhkan hanya momen yang
ditetapkan/ diperoleh dari distribusi data untuk estimasi GMM.