论文动态面板系统GMM估计

2026-03-30 14:16:40

写实证论文的时候，有时候会遇到这种情况：现在的结果，跟以前的自己有关系。比如今年的GDP，肯定跟去年的GDP有关联。这时候如果还用普通的回归方法，算出来的结果会有偏差，不准确。系统GMM就是专门用来解决这种“动态面板”问题的，算是实证分析里的一个高级工具，很多好文章都会用它。

系统GMM比差分GMM好在哪？

以前有个方法叫差分GMM，它虽然能解决问题，但有时候效果不太好，特别是当数据变化不大的时候，容易出现“弱工具变量”问题，导致结果不准。系统GMM做了一个改进，它不光看数据的变化量，还把原始数据的信息一起用上。这样两边一结合，算出来的结果更靠谱，标准误也更小。

在Stata里咋跑？

在软件里跑这个模型，核心命令是xtabond2。写法大概是这样的：

xtabond2 y L.y x1 x2, gmm(L.y, lag(2 .)) iv(x1 x2) robust

这里面有几个关键点得记牢。gmm()是用来放内生变量的，通常用被解释变量的滞后项做工具变量，而且得从滞后两期开始，这样才有效。iv()是用来放那些外生的控制变量。最后，一定要加上robust，这是算稳健标准误，不然结果可能不成立。

跑完结果怎么判断行不行？

跑完回归后，不能只看核心变量的系数，还得看两个关键检验，这两个检验通过了，结果才算数。

一个是AR(2)检验，看残差有没有二阶自相关。这个检验的P值一定要大于0.1，说明模型设定没问题。如果它显著了，说明工具变量可能选错了。

另一个是Hansen检验，看工具变量是不是都有效。这个检验的P值也要大于0.1，说明工具变量选得合理。如果P值太小，说明工具变量有问题；但如果P值正好是1，也得小心，可能模型过度识别了。

写论文的时候要注意啥？

在论文表格下面，记得把AR(2)和Hansen检验的P值都标出来，让审稿人一眼就能看到你的模型通过了检验。另外，工具变量的数量不能太多，一般别超过样本数量，不然结果也会受影响。把这些都做好了，你的系统GMM结果才算完整靠谱。