7.2 面板工具变量估计法7.3 差分GMM估计7.4 系统GMM估计7.5 偏差校正LSDV估计7.6 例文软件实现与解读：Labra R, Torrecillas C. Estimating dynamic Panel data. A pract(Stata codes) •Stata commands: | Ewreg | XTEWreg | 内生性问题的处理方法•研究设计和模型设定：从根源上理清内生性问题•工具变量法与GMM估计(IV-GMM) •面板数据
pre(lnwage,lag(0,2))表示lnwage为前定变量--0表示无滞后变量作为解释变量-- 2表示使用其2个更高阶滞后变量作为工具变量endogenous()类似inst()表示额外工具变量twostep表示使用其中，“depvar”为被解释变量，“varlist1”为外生解释变量，“varlist2”为内生解释变量，而“instlist”为工具变量。选择项“igmm”表示使用迭代GMM,默认为两步GMM。
这样的GMM 估计量有时也被称为差分GMM 估计量，因为我们首先对模型进行了一阶差分变换。在此，我们简要地介绍GMM 估计的基本思想。先回头看一下工具变量估计量，基于(14.4.7)这orthogonal(这是用向后orthogonal deviations方法来创造工具变量，主要是与difference GMM连着用，比传统的AR(1)difference GMM更加稳定无偏，尤其是数据非平衡以及有缺失值的时候使用，但系统默认一
system gmm估计方法选择直接选择y_{i,t-1}的工具变量，选择即\Delta y_{i,t-1}以及其滞后项作为其工具变量，但我们必须要假设其一\Delta y_{i,t-1}和\alpha_{i}无关，注(此处表我使用的数据是动态面板，我想使用系统GMM和差分GMM来估计。该模型是： Y=a0 a1X1 a2X2 a3X1X2 其中，X1是内生变量，X2是外生变量，X1X2是它们之间的交互项。不好意思。由于X1是内生
≥ω≤ 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。在动态面有哪位好心人能告诉我一下，动态面板的GMM方法中工具变量该怎么选择啊，严格外生的解释变量也要选择工具变量吗，麻烦了啊！有哪位好心人能告诉我一下，动态面板的GMM方法中工具变
