接下来我们使用分类的方法：根据顾客来源，将点击UV拆分成不同的渠道点击UV: 公式6:点击UV = 站内点击UV + 站外点击UV= (站内资源位1点击UV + 站内资源位2点击UV + …… (站外资源GMM估计是用于解决内生性问题的一种方法，除此之外还有TSLS两阶段最小二乘回归。如果存在异方差则GMM的效率会优于TSLS,但通常情况下二者结论表现一致，很多时候研究者会认为数据或多或少存在异方差
的GMM 估计及其协方差矩阵来实现关于参数的Wald 检验。格兰杰因果检验，假设变量的方程中变量滞后的所有系数共同为零，同样可以使用该检验进行。2.2.模型选择面板VAR 分析的前提估计方法就是直接让g_{n}=0，解出对应的\beta就好了，没啥花样儿。所以我们很清楚可以看到，恰好识别的时候，GMM Estimator就是：hat{\beta } _{GMM}=(\sum_{i=1}^{n}{z_{i}x'_{i}
第七章GMM估计•问题的引入•线性模型中的GMM•非线性模型中的GMM•GMM的大样本特性•假设检验•GMM的应用§7.1问题的引入Introduction 一、矩估计(MethodofMoment,MM)在第差分GMM估计主要使用命令xtabond 语法格式：xtabond depvar [indepvars] [if] [in] [,option] 注意：1、严格外生的解释变量与e不相关，所以可以作为自身的工具变量，它被指定在indepvars中。
(^人^) 系统GMM 方法对原水平模型和差分变换后的模型同时进行估计，对应的矩条件如下：对于所有的s、t 都成立。考虑到横截面个体固定效应的系统GMM 估计矩条件如下式所示：系统GMM 能够修正GMM估计包括一步(One-Step)和两步(Two-Step)的GMM。两步估计的权重矩阵依赖于估计参数且标准差存在向下偏倚，并没有带来多大的效率改善且估计量不可靠，一步估计量尽管效率有所下降但它是一致的，因
