在常规渐近理论意义下关于GMM模型(Hansen，1982)的一个关键假设就是模型能被很好地识别，也就是矩条件在真值处有唯一的零解，具有满秩阶梯阵.然而当这个假设条件不成立（或者近似不成立时），对于估计量和检验统计量实际的样本分布，常规正态渐近理论只能给出—个很差的近似.从近期的研究来看，针对识别条件缺失（或者几乎缺失的）的GMM模型的统计推断的方法得到了很大的进展.关于识别的检验已被很好地建立起来.Wright于2010年提出—个新的检验L，而本文就是来介绍讨论这个检验统计量L.　　为了更好地讨论这个统计量，本文共分三个部分展开，第一部分对GMM模型以及—些相关背景知识作了阐述，对于L统计量的介绍引入放在第二部分，在最后的部分就L检验统计量进行了模拟和讨论.