对于面板数据，如果观测到被解释变量随时间而改变，则开启了动态面板对参数估计的可能性。
动态面板模型设定了一个个体的被解释变量部分取决于前一期的值。
当被解释变量的滞后一期或者多期出现在解释变量中。
对于短面板数据来说，需要研究短面板的固定效应模型估计，使用一阶差分消除固定效应。
通过解释变量的适当滞后期作为工具变量对一阶差分模型中的参数进行IV估计可以得到一致估计量。
但是Stata有一些固定的命令，可以直接进行动态面板估计。
如：
xtabond、xtdpdsys等。
以上这些命令使得模型更加容易估计，同时也提供了相关的一些检验。
xtabond
基于Layard和Nickell(1986)的工作，Arellano和Bond(1991)将劳动力需求的动态模型拟合到位于英国的一个不平衡的公司面板上。首先，我们根据工资、资本存量、行业产出、年度虚拟变量等对就业进行建模，包括就业滞后期和工资与资本存量的滞后两期。
案例代码如下：
use
http
://www.stata-press.com/
data
/r10/abdata,
clear
xtabond n L(
0
/
2
).(w k) yr1980-yr1984
year
, vce(robust)
xtdpdsys
xtdpdsys
n L(
0
/
2
).(w k) yr1980-yr1984 year, vce(robust)
这两个命令之间的区别。
xtdpdsys将n的滞后期变量作为工具变量纳入水平方程;xtabond没有。
因为GMM估计量的矩条件只有在特征误差不存在序列相关性的情况下才有效。
由于白噪声的第一个差异必然是自相关的，我们只需要关注第二个和更高的自相关。
我们可以使用estat abond检验自相关:
返回搜狐，查看更多
. estat abond, artests(3)
责任编辑：
平台声明：该文观点仅代表作者本人，搜狐号系信息发布平台，搜狐仅提供信息存储空间服务。
