startuml动态模型工具_动态面板GMM基本处理（小白入门级~~

动态面板是指在模型中加入了被解释变量的滞后项。

对于动态面板，我们常常使用差分GMM和系统GMM进行模型的估计。

用stata中的xtabond2命令进行差分GMM/系统GMM的示例：

首先，在stata中输入命令

ssc install xtabond2

安装非官方命令xtabond2

接下来，导入已经准备好的数据，这里用abdata.dta数据作为示例，该数据可以通过输入以下命令进行导入。

webuse abdata

在进行估计之前，首先要根据经济理论、已有文献或是经验判断来确定关键变量的滞后项数目，尤其是被解释变量，当然也包括有必要引入滞后项的解释变量。

此外，我们也要确定各个解释变量是外生变量还是内生变量，

如果是内生变量，则要确定在模型中引入其哪些滞后项来充当工具变量；

如果是外生变量，则以其自身作为工具变量。确定作为解释变量的被解释变量滞后项的工具变量也是必要的。

1.     差分GMM

命令：

xtabond2 n L(1/2).nL(0/2).ys L(0/1).w L(0/2).k yr1980-yr1984, gmm(n, lag(2 .)) gmm(w, lag(2 3))gmm(k, lag(2 4)) iv(L(0/2).ys yr1980-yr1984) nolevel twostep robust

2.     系统GMM

命令：

xtabond2 n L(1/2).n L(0/2).ysL(0/1).w L(0/2).k yr1980-yr1984 , gmm(n, lag(2 .)) gmm(w, lag(2 3)) gmm(k,lag(2 4)) iv(L(0/2).ys yr1980-yr1984) twostep robust

其中，L(x/y).var是指引入变量var的第x(含)至y(含)阶滞后项；

gmm(var,lag(x y))表示对于变量var，引入其第x(含)至y(含)阶滞后项作为工具变量

选择项nolevel表示使用差分GMM，如果不输入该选择项，上述命令将会输出系统GMM的结果；

选择项twostep表示使用GMM;

选择项robust表示使用稳健标准误。

在动态面板的GMM估计中我们引入了很多的工具变量，在进行上述操作之后我们有必要进行过度识别检验。在输出结果的表格中部，呈现了Sargan和Hansen两个统计量，前者不满足异方差稳健但是工具变量过多而被弱化，后者则恰恰相反。理想状况下这两者的p值应该都小于alpha(如常取0.01,0.05等)。