GMM既然可以做聚类，为什么很多博客在介绍的时候大多集中在kmeans、密度聚类等算法上？GMM做聚类有哪些劣…

带入到目标函数中，就得到了2SLS。 甚至，一些其他的估计量，比如MLE、M-estimator等，在一定的条件下也可以转化为GMM，因为这些估计量的一阶条件可以看成是矩条件。 所以GMM也就变成了一个统一的框架。 为什么GMM这么受欢迎呢？

所以GMM就是尽可能地让上述的差值 （样本统计量-真实值的估计）接近0而不是等于0去求解，从而得到一个实数解。 GMM的方法就是求一个特殊的统计量的最小值，在这里叫Q Q = （样本统计量-真实值的估计）乘以 比重矩阵 乘以 （样本统计量-真实值的估计）

MML-EM算法的基本思想是：首先对GMM设定一个较大的模型阶数，采用EM算法进行GMM参数估计，然后逐步降低模型的阶数直至模型阶数为1，根据MML最小准则确定最优的模型阶数和相应的参数。

GMM 公司在娱乐方面涉及的东西还是挺广的，自己培养出了艺人，然后打包进自己投资的剧组，自己后期制作宣传，最后在GMM 25 播出。 GMM 公司也不光是拍电视剧，唱跳艺人，演员，主持人都有培养，有时也会出综艺。

May 3, 2022 · 6、使用system-GMM的前提是数据应该在稳态附近，就是指在观测期间，样本或个体之间不能离稳定状态太远，否则这些变量的变化就会和固定效应关系比较大，不满足使用前提。

其实第二个理由更充分，毕竟对任意的概率分布不可能总是高斯逼近是最好的。 不过一般的GMM效果都不错，见过算车流量的算法用GMM取前景，虽然速度慢一些，但是效果好得惊人，我猜是自然环境效果才这么好，对动画GMM就不一定了233

动态面板模型中，想使用difference-GMM 或者 system-GMM，把滞后因变量当做是是内生的（endogenous）还是…

GMM回归对参数设定很敏感， 内生外生前定变量 和滞后阶数这些都会有影响，要详细看看书。 如果时间序列不是很长，要看看数据有没有问题，比如有极端数据的可以考虑取对数或者删去。 如果模型不理想可以考虑其他做稳健性检验的方法，也可能你的研究变量不适合用GMM估计。

因为 GMM 就是给这个用户或者说给研究者提供了特别多的选项，而给研究者提供特别多选项不是件好事，就是你可以去做各种调整，你调整一下这个参数，调整一下那个参数。然后大家如果做动态面板数据的话，就会有这种感受。你反正调各种 GMM 的参数，哪些变量用，哪些滞后项用，哪 …