Anmeldung Registrierung
Auto Hell Dunkel
Erweiterte Suche
  1. Startseite
  2. Podcasts
  3. Mathematik, Informatik und Statistik - Open Access LMU - Teil 03/03 Podcast
  4. The linear GMM model with singular covariance matrix due to the elimination of a nuisance parameter
When in a linear GMM model nuisance parameters are eliminated by
multiplying the moment conditions by a projection matrix, the
covariance matrix of the model, the inverse of which is typically
used to construct an efficient GMM estimator, turns out to be
singular and thus cannot be inverted. However, one can show that
the generalized inverse can be used instead to produce an efficient
estimator. Various other matrices in place of the projection matrix
do the same job, i.e., they eliminate the nuisance parameters. The
relations between those matrices with respect to the efficiency of
the resulting estimators are investigated.
Episode melden

„The linear GMM model with singular covariance matrix due to the elimination of a nuisance parameter“

Worum geht es? Danach fragen wir noch nach dem Grund.

Abonnenten

Teilen

Mein Archiv

Deine Privatkopie der Folgen, die du nicht verlieren willst.

Podcast-Folgen verschwinden. Feeds werden auf die letzten Episoden gekürzt, Hoster räumen alte Dateien ab, Formate wechseln den Anbieter und lassen ihr Archiv zurück. Mit „Mein Archiv“ sichert podcast.de die Folgen deiner Podcasts für dich — angefangen bei den ältesten, denn die sind zuerst weg.

  • Deine gesicherten Folgen bleiben hörbar, auch wenn das Original offline geht.
  • Auch Folgen, die im heutigen Feed gar nicht mehr stehen — podcast.de kennt sie noch.
  • Herunterladen bleibt möglich, solange die Folge beim Podcaster liegt. Der zählt seine Abrufe wie bisher.
Startet bald

Sei beim Start von Mein Archiv dabei

Mein Archiv ist fast fertig. Trag dich ein, dann bekommst du eine E-Mail, sobald es losgeht – und bist von Anfang an dabei. Wir schreiben dir nur zum Start, keine Werbung, keine Weitergabe deiner Daten.

Du bekommst zuerst eine Bestätigungsmail. Abmelden geht jederzeit. Datenschutz