讲座中，洪圣杰提出了一个两步轮廓GMM 估计方法来估计模型的参数。他指出：“在第一步中，我们通过基于核范数正则化(NNR) 的剖面GMM 程序获得斜率系数的初步【摘要】本文利用WIOD 的宏观投入产出数据和大样本微观企业合并数据，采用两步系统动态GMM 估计方法分析融入产品内国际分工体系对我国企业出口二元边际的影响.研究结果发
根据Anderson和Hisao（1982），一阶差分GMM估计量的基本思想是：首先采用一阶差分（得到差分方程）去除原总体来看，系统GMM在差分GMM的基础上引入水平方程，减少了估计误差。同时，系统GMM还分为一步GMM和两步GMM。两步GMM在一步GMM的基础上，进一步将一步GMM结果的残差
围绕两步估计法，蔡必卿从两步估计法作为联合GMM估计、一步估计法对两步估计法标准误的影响、两步估计法的一致渐进方差估计这三个方面展开论述，并举例说明当第系统GMM估计分为一步估计和两步估计，根据Bond的研究，在有限样本下，两步GMM估计的标准差存在向下偏倚，这种偏倚通过Windmeijer调整会减小，但会导致两步GMM估计
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GMM 的命令：ivregress gmm y x1(x2=z1 z2) 两步最优GMM ivregress gmm y x1 (x2=z1 z2),igmm 迭代GMM estat overid 过度识别检验工具变量法的STATA 命令
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G MM 可分为一步法( one- step system GM M ) 和两步法( t wo-step system GMM ) 估计。
