-------------------------------------------------------------------------------帮助xtabond2-------------------------------------------------------------------------------

“差分”与“系统”GMM动态面板估计

        xtabond2 德瓦（depvar） 变量[如果 经验] [在里面 范围] [重量] [, 我水平(#)
                sv公司垫子 二步 第页反对 氯乌斯特(变量名) 无不变的 平方米全部的
                nol（诺尔）伊夫莱克 或直角的 gmmopt公司[gmmopt公司 ...]ivopt公司[ivopt公司 ...]主成分分析 comp公司组件(#) 应收账测试(#) 阿勒伊夫尔斯 小时(#) 点头伊夫沙根
                笔名ata公司]
哪里gmmopt公司是

        gmm公司风格(变量[, 滞后限制(# #) c（c）塌陷 o个正交的 e（电子）方程式({d日若（iff）|我水平|b条其他}) 第页通过 服务提供商点燃])
和ivopt公司是

        iv（四）风格(变量[, e（电子）方程式({d日若（iff）|我水平|b条其他}) 第页通过 毫赫兹])

    awweight公司第页，pweight重量s、 和fweight（重量）允许使用s。fweights（重量）必须是常量随着时间的推移。请参见帮助权重。

    xtabond2用于横截面时间序列数据。你必须ts集使用之前的数据xtabond2; 请参阅帮助tsset。
全部变量s可能包含时间序列运算符，在Stata版本11中或更高版本的因子变量。请参阅帮助变量列表。

    通过 ... :可以与一起使用xtabond2如果未使用时间序列运算符在命令行中。这个通过条款不会限制样品建筑仪器中绘制的滞后。请参阅帮助。

    xtabond2共享所有估算命令的特性；请参阅help estcom。
预测跟随的语法xtabond2是

        预测[类型]新varname[如果 经验] [在里面 范围] [, 统计的][差异埃伦塞]
哪里统计的是

        xb（十亿英镑）bx_it，拟合值（默认值）关于副业者eit，残差


描述

    xtabond2可以拟合两个密切相关的动态面板数据模型。这个首先是Arellano-Bond（1991）估计器，它也可用于xtabond公司，尽管没有描述的两步标准错误纠正如下所示。它有时被称为“差分GMM”。第二种是Arellano和Bover（1995）概述的增强版本由Blundell和Bond（1998）开发。它被称为“系统GMM”Roodman（2009）提供了线性GMM的教学介绍，这些估算器，以及xtabond2.估计器设计用于动态“小T，大N”面板，可能包含固定效果和--分离从那些固定的影响--异方差的特殊错误并且在个体内部相关，但在个体之间不相关。考虑模型：
y_it=x _ it*b_1+w _ it*b2+u _ it i=1，。。。，N；t=1，。。。，T型u _ it=v _ i+e _ it，
哪里
v_i是未观察到的个体水平效应；
e是观测误差；
xit是严格外源协变量的向量（依赖于既不是当前也不是过去的e）；
w_it是预定协变量的向量（可能包括滞后和内源性协变量，所有这些可能都是相关的与v_i（预先确定的变量可能相关包含过去的错误。内源性的可能相关过去和现在的错误）；
b1和b2是待估计参数的向量；
对于每个i、j、t、s，E[v_i]=E[E_it]=E[v_i*E_it]=0，E[E_it*E_js]=0，i<>j。
对方程进行第一次差分可以删除v_i，从而消除估计中遗漏变量偏差的潜在来源。然而，预先确定但并非严格外生的差分变量使其内生，因为某些D.w_it=w_it w_i，t-1是与D.e_it中的e_i、t-1相关。继Holt-Eakin、Newey和Rosen（1988）、Arellano和Bond（1991）提出了测量非差分变量的矩估计量严格来说是外生的，而且它们的水平都有滞后性。（严格来说外生变量与当前和过去的误差无关。）阿雷拉诺和邦德还开发了一种适当的自相关测试，如果存在，可能会导致某些滞后作为工具无效。
原始Arellano-Bond估计的一个问题是滞后水平如果变量接近随机漫步。Arellano和Bover（1995）描述了如果原始在系统中添加水平方程式，可以承担增加效率的责任。在这个方程式中，变量水平配备了适当的滞后时间第一
    差异所需的假设是，这些差异是与未观察到的国家效应无关。布伦德尔和邦德表演这个假设反过来取决于关于初始值的更精确的假设条件。

    xtabond2两次实现这两个估计器。Stata s ado中的版本编程语言速度较慢，但与Stata7和Stata8兼容。马塔该版本通常更快，在Stata 10.0或更高版本中运行。这个xtabond2选项诺马塔即使Mata可用，也会阻止其使用。
Mata版本还包括使用正向正交的选项偏差转换而不是第一次差分。阿雷拉诺提议和Bover（1995）的正交偏差变换，而不是减去之前的观测值，减去所有观测值的平均值可用的未来观察结果。然后将结果乘以比例选择产生良好但相对不重要属性的因子如果原始eit是身份证，那么转换后的eit也是身份证（请参见Arellano和Bover（1995）以及Roodman（2009））。比如差异化，获取正交偏差消除了固定的影响。因为观测滞后如果不输入变量的转换公式与转换后的误差保持正交（假设没有序列相关性），并可用作工具。事实上，为了一致性，软件将观测值的正交偏差存储一个周期较晚，因此，与差分一样，周期1的观测值为缺少检测变量w，wi，t-1输入公式用于存储在i，t处的转换观测值在这两种情况下，相同的变量滞后有效转型。
在平衡面板上，基于两个变换的GMM估计返回数值相同的系数估计值，保持仪器组不变已修复（Arellano和Bover 1995）。但正交偏差有在有间隙的面板中保持样本大小的优点。如果有（_I）例如，缺少D.e_it或D.e_i，t+1都无法计算。但是每个完整的观测值都可以计算出正交偏差除了每个人的最后一个。（第一个差异不能更好，因为它必须删除每个人的第一次观察。）注意，即使在正交的情况下，“差分GMM”仍被称为使用偏差。我们将参考差分方程或正交偏差作为转化等式。系统内GMM正交偏差、水平或未转换的等式仍然存在使用上述差异进行检测。

    xtabond2报告了Arellano-Bond自相关测试，即应用于不同的残差，以清除未观察到的和在第一个差分中期望有完全自相关的v_i.AR（1），因为D.e_i，t=e_i=ei，t-1-ei，t2，因为它们共享ei，t1项。所以要检查AR（1）在级别中，在差异中寻找AR（2），基于这样的想法将检测D.e_i中的e_i、t-1和D.e_i中的e_i，t-2。这种推理不适用于正交偏差，其中单个的残差都是数学上相互关联，因此从检测e_it中的AR。因此测试在不同的残差上运行即使在偏差估计之后。自相关表示滞后因变量（以及用作工具的任何其他变量不是严格意义上的外生），实际上是内源性的，因此是坏的仪器。例如，如果有AR，那么y_i，t-s将是与e_i、t-s相关，这将与D.e_i和t-s相关与D.e_i，t相关。

    xtabond2还报告了过度识别限制的测试——是否这些工具作为一个整体，似乎是外生的。对于一步式非稳健估计，它报告了Sargan统计，这是最小值一步GMM准则函数。萨尔根的统计数据不是对异方差或自相关稳健。因此，一步到位、稳健估计（以及所有两步估计），xtabond2还报告汉森J型统计，这是两步GMM的最小值准则函数，并且是鲁棒的。xtabond2仍然报告萨根这些情况下的统计数据是因为J型测试有它自己的问题：它可以被仪器扩散大大削弱。马塔版本此外，报告argan统计数据中的差异（实际上，差分-汉森统计（一步稳健估计除外），测试仪器子集是否有效。准确地说，它为由iv样式（）或gmmstyle（）选项（如下所述）。所以更换gmm样式（x y）在一个命令行gmmstyle（x）gmmstyley（y）将得出相同的估计但在Sargan/Hansen测试中存在明显差异。此外，包括这个服务提供商点燃中的子选项gmmstyle（）系统GMM中的选项将两个仪表组，用于不同的Argan/Hansen用途，一个每个方程都对应于变换后的方程和水平方程。这是特别适用于测试液位方程的仪器基于因变量的滞后差异系统GMM中的疑点和中的“初始条件”主题布伦德尔和邦德（1998）。同样，在系统GMM中，xtabond2还测试了所有GMM型仪器的液位方程作为一个群体。然而，当仪器计数很高。Argan/Hansen测试的差异是通过计算得出的密集型，因为它们涉及重新估计每个测试的模型；这个诺迪夫萨根选项可以阻止它们。
作为线性GMM估计量，Arellano-Bond和Blundell-Bond估计量有一个和两个步骤的变体。但尽管两步是渐进的更有效的是，报告的两步标准错误往往严重向下倾斜（Arellano and Bond 1991；Blundell and Bond 1998）。收件人补偿，xtabond2对Windmeijer（2005）推导的两步协方差矩阵。这可以使两步稳健估计比一步稳健估计更有效，尤其是对于系统GMM。
标准错误也可以“引导”，但不能使用引导数据库命令。该命令通过对实际数据集进行采样来构建临时数据集带替换件对给定的观测单位和时段违反了面板结构。相反，使用刀切法，也许有集群（）选项，面板上的集群标识符变量，以便依次删除每个观测单位。
的语法xtabond2与xtabond公司和xtdpdsys公司.xtabond2几乎完全解耦的规范回归因子选择从规范仪器因此，大多数使用的变量将在xtabond2命令行。xtabond2需要首字母变量包含所有除了可选常数项之外的回归项，严格来说外源的、预定的或内源性的。用于形成的变量然后仪器出现在gmmstyle（）或ivstyle（）选项之后的选项逗号。结果是失去了节俭，但对仪器矩阵。变量可以用作“GMM样式”的基础没有作为回归变量包含的工具集，反之亦然。
这个gmm公司样式（）和iv（四）样式（）选项还包含允许仪器矩阵的进一步定制。


引用
    xtabond2不是官方的Stata命令。这是对研究界。请这样引用：Roodman，D.2009年。如何做xtabond2：差异介绍Stata中的系统GMM。Stata杂志9(1): 86-136.


选项

    水平(#)指定置信度的置信水平（百分比）系数区间；请参阅帮助级别。默认值为95。

    sv公司垫子告知xtabond2将X、Y、Z、H和权重矩阵保存为e（）返回宏。默认情况下不包括这些，因为矩阵可以大于数据集本身。如果主成分分析使用选项，svmat公司也将特征向量矩阵保存为xtabond2_特征向量。此选项仅在使用时可用Mata的速度规避模式下的Mata实现。数据为存储在平衡矩阵中，并按个人、方程（用于系统GMM），然后是时间。为清晰起见，对行和列进行了标记。仪器矩阵通常包含全零列不影响估计。与Stata列标记兼容受后正交约束的约定、文书偏差转换（见下文）仍用“D”表示操作员。

    两步指定计算两步估计器一步到位。

    坚固耐用的：对于一步估算，坚固耐用的指定鲁棒性参数估计的协方差矩阵的估计量be计算。得出的标准误差估计值与任何异方差和自相关模式的存在面板内。在两步估计中，标准协方差矩阵在理论上已经很稳健了，但通常会产生标准向下倾斜的错误。两步鲁棒请求Windmeijer对两步协方差的有限样本修正矩阵。

    群集(变量名)覆盖面板标识符的默认使用（作为由设置ts集)作为定义组的基础。群集(变量名)暗示坚固耐用的在刚才描述的意义上。例如，分两步估计，它需要Windmeijer修正。更改组带有此选项的标识符会影响一步“稳健”标准错误，所有两步结果，汉森和汉森差异测试和Arellano-Bond系列相关性测试。

    非常量抑制levels方程中的常数项。由默认情况下，该术语作为回归变量和IV型工具包括在内。与xtabond和DPD不同（它们的原始实现估计值），xtabond2不包括常量项差分GMM中的转换方程。相反，常数是变了。

    小的请求t吨统计数据，而不是z（z）统计数据和F类改为测试整体模型拟合的Wald chi-squared检验。

    诺列夫列克指定应从估计，产生差异而不是系统GMM。

    无差异的防止Sargan/Hansen测试中的差异，这是计算密集型，因为它们涉及重新估计模型对于每个测试。该选项对的ado版本没有影响xtabond2，不执行Argan/Hansen差异测试无论如何。

    诺马塔即使语言可用，也阻止使用Mata代码（在Stata 10.0或更高版本中）。在Stata 7-9中，这是不必要的。通常，此切换不会影响结果。然而，如果变量共线或近似共线，程序的两个版本可能会丢弃不同的，这会影响结果。他们可以甚至不同的版本使用不同的确定共线性的常规和公差。此外，马塔版本并不能完美地处理奇怪和不寻常的情况表达式，如gmm（L.x，滞后（-1-1））.（文件gmmstyle（）选项如下。）此表达式与gmm（x，
        滞后（0 0））原则上。但Mata代码会解释为滞后x，从而失去x的观测值t=t，然后解锁其余信息。缓慢的ado版本不会丢失数据以这种方式。

    正交的请求改为正向正交偏差变换差异。

    ivstyle（）指定一组变量作为标准工具，每个变量在仪器矩阵中有一列。通常情况下，严格的外生回归包含在ivstyle（ivstyle）选项，在命令输入仪器矩阵，以及之前列出的命令行的主逗号。这个等式（）子选项指定应使用仪器的方程式：仅第一个差异(方程式（diff）)，仅限级别(方程式（水平）)或两者兼而有之(方程式（二者）)，默认设置。同样由默认情况下，工具被转换（转换为差异或正交偏差）用于变换方程和为levels等式输入未转换的。次选项通过可在以下时间使用方程式（diff），或当选项诺列夫列克调用，以阻止此转换。等式（）是用于正确处理用作系统GMM中的IV型仪表。例如，如果x是预先确定，它是水平方程的有效工具，因为假设它与同期误差项无关。然而，x在第一个差异中成为内生变量，因此D.x不是转换方程的有效工具。ivstyle（x）将因此是不合适的。x作为IV型仪器的使用中的级别只能由指定iv（x，eq（水平））.
如果子选项毫赫兹包含在ivstyle（ivstyle）选项，缺少值在仪器中被转换为零。毫赫兹不会更改产生的精确力矩条件ivstyle（ivstyle）--它们仍然只适用于有数据的观测值的误差项仪器。相反，毫赫兹允许缺少数据的观测尽管如此，所讨论的工具仍停留在回归中如果这些工具也不是回归因子。（缺少观察结果回归变量的值仍必须删除。）

    gmm公司样式（）指定一组用作基础的变量Holtz-Eakin、Newey和Rosen（1988）和Arellano and Bond（1991）。默认情况下xtabond2使用，对于每个时间段，指定变量的所有可用滞后以t-1或更早的水平作为转换的工具方程；并将同期第一次差异用作液位方程中的仪表。这些默认值是适当的对于非严格外生的预定变量（邦德2000).  缺少的值总是替换为零。可选的拉格利茨(a b类)子选项可以覆盖这些默认值：对于转换方程，滞后水平日期为t-一至t-b条用作仪器，而对于液位方程，第一个差异日期t-一+1通常使用。一和b条每个都可以缺失（“.”）；一默认为1和b条到无穷大。它们甚至可以是负面的，这意味着“向前”滞后。如果一>b条然后xtabond2交换他们的价值。（注意：如果一<=b条<0，则第一个差异日期为t-b条+1通常用作能级方程中的一种仪器，而不是日期为t的仪器-一+1,因为它在有效时间的[1，T]范围内更频繁索引。或者，出于同样的原因，如果一<=0<=b条或b条<=0<=一，的使用日期为t的第一个差异。）自从gmmstyle（） 变量允许时间序列操作符，有多条路径指向同一个规范。例如。，gmm（w，滞后（2.）），标准治疗内生变量，相当于gmm（L.w，滞后（1.）），因此gmm（左）.
这个e（电子）方程式（）的子选项gmmstyle（）工作原理与ivstyle（）（见上文），但有一个重要例外。作为对方程式（水平）,xtabond2生成全套共个可用水平方程的工具，因为它不再是这种情况由于存在变换方程的全套力矩条件。成为如果滞后极限为一和b条，然后滞后于指定的日期为t的差异变量-b条至t-一使用。方程式（diff）对GMM差异无影响。
这个第页通过的子选项gmmstyle（）只有在系统中才有意义GMM，并且仅适用于以下变量方程式（水平）也一直是指定。它指示xtabond2为标高创建工具不使用指定的变量，但相同日期的原始级别。例如，方程式（液位）通过限值（1.）所有延迟的请求水准仪被用作仪器。在标准假设下仪器无效。
这个o个正交的子选项告知xtabond2反向应用仪器的正交偏差变换转换方程。基本上，仪器被替换为他们偏离了过去的手段。由于产生的工具取决于基础变量的所有过去值，回归变量在变换后的方程中不应进行类似变换。否则，仪器可能与误差相关。那就是，如果使用此子选项或直角的 选项也应该是包括（在gmmstyle（）选项）。在模拟中，Hayakawa（2009）发现“Difference GMM”与此组合--backword仪器的正交偏差和回归因子——与传统回归因子相比，偏差较小且更稳定标准AR（1）模型的差分GMMT型>=10. （对于AR（p）模型中，他只使用最新的p仪器滞后，相当于gmm（L.y，正交滞后（1第页)).）此选项不影响液位方程的仪器。
这个服务提供商点燃的子选项gmmstyle（）也只有在系统中才有意义GMM，然后仅当两者都不存在时eq（差异）也不是eq（水平）已指定。其唯一效果是将指定的仪器组分成两组Sargan/Hansen差异测试的目的——一套仪器对于转换的方程和一个用于水平方程。
这个c（c）塌陷的子选项gmmstyle（）指定xtabond2应该为每个变量和滞后距离创建一个仪器，而不是每个时间段、变量和滞后距离一个。大型样品，崩溃降低统计效率。但在小型它可以避免由于仪器向观测数量攀升。（何时仪器很多，它们往往会超出仪器变量并将结果偏向OLS/GLS。）崩溃也很重要通过减少仪器矩阵，和（与程序的ado版本相关）有助于将矩阵保持在Stata的大小限制内。
例如，如果模型假设所有s的E[w_is*D.E_it]=0，这在标准阿雷拉诺-邦德估算中表示为：
sum_i（w_is*D.e_it）=0，对于每个s和t，s＜t。
这转换为表格中仪器矩阵的列：
w_i1 0 0 0 0。。。0 w_i1 w_i2 0 0 0。。。0 0 0 w_i1 w_i2 w_i3。。。.    .    .    .    .    .   ....    .    .    .    .    .   ...

        崩溃将“GMM式”力矩条件分为组和将每组条件相加，形成一组较小的条件形式：
sum_i，t（w_i，t-j*D.e_it）=每个j>0。
这相当于通过添加，产生：
w_i1 0 0。。。w_i2 w_i1 0。。。w_i3 w_i2 w_i1。。。.    .    .   ....    .    .   ...
同样，液位方程的标准仪器（in系统GMM）崩溃原因：
D.w_i2 0 0。。。0 D.w_i3 0。。。0 0 D.w_i4。。。.      .      .   ...
对于单列：
D.w_i2号机组D.w_i3号机组D.w_i4号机组.  .

    主成分分析告知xtabond2将“GMM型”仪器替换为主组件，以减少最小任意方式（Kapetanios and Marcellino 2010；Bai and Ng2010; Mehrhoff 2009）。主成分分析在“GMM型”工具的相关矩阵，而非协方差矩阵。默认情况下xtabond2将选择特征值为的所有组件至少1个，并将在必要时选择更多，以确保工具至少和回归因子一样多，有利于具有最大特征值。

    comp公司组件(#)允许用户覆盖上述组件。

    艺术(#)指定自相关测试的最大顺序报道。默认值为2。

    阿勒维尔指定应将自相关测试应用于水平的残差，而不是第一差分方程。它不能与一起指定诺列夫列克.如果有固定的效应，则水平上的自相关是预期的，而不会将规范纳入问题中。

    小时(#)控制H的形式先验的协方差估计特殊误差矩阵。在一步线性GMM中Z’HZ的倒数，其中Z是仪器矩阵，代表矩的协方差矩阵，用于对样本进行加权其幅值联合最小化的力矩。由于H仅控制任何被认为是外源性的工具的重量非退化H的选择，一步估计将是一致的。两步估计将是渐近有效的（Baum，Schaffer和Stillman，2003年）。因此，设计H的优先级是尽量减少任意性。H总是采用块对角线形式块相同。让*表示通过正交变换的变量偏差或差异和M是执行的（T-1）xT矩阵选定的变换。为了设计H，我们假设var[e]=I，单位矩阵。然后，对于差分GMM默认情况下，H的（T-1）x（T-1当var[e]=I时（=var[e*]）（参见Roodman 2009）。对于正交偏差，MM'=I。对于差分，它是：
2 -1  0 ...-1  2 -1 ...0 -1  2 ...。。。
要执行系统GMM，xtabond2将转换后的数据视为对于时段2至T，级别数据为时段T+1至2T。H的块是（2T-1）x（2T-2）先验的估计复合向量[u*‘u’]的协方差。如果我们假设将var[e]=I加到var[v]=0（无固定效应），然后H块是
MM“M”M I公司
然而，文献中存在多个H选项。在xtabond2,小时（3）默认情况下，指定上述矩阵。小时（2）不同于系统GMM的右上和左下所描绘的H的象限被调零。这将复制当前高斯和公牛的DPD版本（Arellano和Bond 1998；Doornik，阿雷拉诺和邦德2002）。小时（1）规定H=I表示两个差值和系统GMM。H在最初执行系统GMM估计器，Blundell和Bond（1998）。一步到位GMM，设置H=I基本上给出2SLS。
Mata系统参数matafavor影响Mata的行为的版本xtabond2.类型mata：mata设置matafavor速度或马塔：
        mata集matafavor空间在运行之前xtabond2影响它在速度和内存使用之间进行权衡。添加，烫发选项使更改永久化。注：使用以下命令增加Stata数据集的可用内存量这个设置存储器命令减少Mata可以使用的。所以如果Mataxtabond2内存不足，通常由无法分配真实消息，也尝试使用设置
        记忆.

的选项预测

    xb（十亿英镑）默认情况下，计算线性预测。

    关于副业者计算因变量的剩余误差线性预测。

    差异埃伦塞要求因变量的第一个差异，而不是预测水平。



返回值
标量e（N）未转换数据中的完整观察数>（系统GMM）或转换数据（差异GMM）e（萨根语）萨根统计e（sar_df）Sargan统计量的自由度e（萨尔干普语）Sargan统计量的p值e（汉森）Hansen J统计e（汉森df）Hansen统计的自由度e（汉森普）Hansen统计量的p值e（艺术）请求的AR测试数量e（ar我)应收账款(我)测试统计量e（ar我第页）AR的p值(我)统计学e（dfm）模型自由度e（dfr）剩余自由度（如果小的指定）e（chi2）Wald chi-squared统计（如果小的未指定）e（chi2p）Wald统计的p值（如果小的未指定）e（信号2）_it的估计方差e（西格玛）其平方根e（F）F统计（如果小的指定）e（F_p）F统计量的p值（如果小的指定）e（g最小值）包含个人中的最低观察次数>铝e（g最大值）包含个体中观察次数最多>年e（g_avg）每个受试者的平均观察次数>我e（h）的值h（）选项（默认值为3）e（j）仪器数量e（j0）仪器数量，包括共线仪器e（N_g）纳入人数e（N_clust）集群数量e（组件）调用pca选项时提取的组件数e（公里）Kaiser-Meyer-Olkin抽样充分性度量>调用的选项e（pcaR2）包含分量的特征值之和除以>全部总和
宏e（预测）“xtab2_p”e（艺术类型）“第一个差异”或“级别”e（vcetype）“稳健”，一步到位坚固耐用的，“已更正”两步
>坚固耐用的，否则为空e（两步）“两步走”两步
       e（小）“小”用于小的
       e（est类型）“系统”或“差异”e（主成分分析）如果调用pca选项，则为“pca”e（gmminsts我)中列出的变量gmm样式组我
       e（伊文斯特斯我)中列出的变量ivstyle（ivstyle）组我
       e（变换）“第一差”或“正交偏差”e（depvar）因变量e（clustvar）群集组标识符e（tvar）时间变量e（伊瓦尔）单个（面板）变量e（厘米）“xtabond2”e（命令行）完整命令行e（差异组我)中的变量我第H组受差异影响-Sargan/H>安森试验
矩阵e（b）系数向量e（V）方差-方差矩阵e（A1）第一步GMM加权矩阵e（A2）第二步GMM权重矩阵（如果两步指定>d）e（Ze）Z'E，其中E=第二步残差，用于计算Han>sen统计量e（特征值）GMM型仪器主成分特征值>瘤胃（如果主成分分析指定）e（diffsargan）沙根/汉森试验差异表e（方程）每个ivstyle（）选项的equation（）子选项的值>上，按顺序（0=水平，1=差异，2=两者都有）e（ivpassthru）每个ivstyle（）选项的passthru选项的值。e（ivmz）每个ivstyle（）选项的mz子选项的值e（gmm方程）每个gmmstyle（）选项的equation（）子选项的值>离子（0=级别，1=差异，2=两者）e（gmmpassthru）每个gmmstyle（）选项的passthru选项的值e（gmmpasscollapse）每个gmmstyle（）选项的折叠选项值e（gmmlaglimits）每个gmmstyle（）选项的滞后限制e（gmmorthogonal）每个gmmstyle（）选项的正交选项值e（X）估计中使用的右侧变量矩阵，如果>sv公司垫子已调用e（Y）估计中使用的因变量列，如果秒
>v（v）垫子已调用e（Z）估计中使用的仪器矩阵，如果sv公司垫子援引>d日e（H）估计中使用的H矩阵，如果sv公司垫子已调用e（重量）估计中使用的权重向量，如果sv公司垫子调用了>使用了d个砝码e（特征向量）主成分得分，如果sv公司垫子和主成分分析已调用
功能e（样品）标记估计样本

示例
使用http://www.stata-press.com/data/r7/abdata.dtaxtabond2 n l.n l（0/1）。（w k）1980-yr1984，gmm（l.n w k）iv（yr1980-yr 1984，passthru）noleveleq小xtabond2 n l.n l（0/1）。（w k）1980-yr1984，gmm（l.n w k）iv（yr1980-yr 1984，mz）鲁棒两步小h（2）xtabond2 n l（1/2）。n l（0/1）。w l（0/2）。1980年至1984年，gmm（l.n w k）iv（1980年至1984年）稳健的两步小*接下来两个是等价的，假设id是面板标识符ivreg2 n帽（w=k ys rec）[pw=n]，簇（ind）正交（rec）xtabond2 n w帽[pw=n]，iv（帽k ys，eq（水平））iv（rec，eq，水平）簇（ind）h（1）*下两个相同回归nwkxtabond2 n w k，iv（w k，eq（level））小h（1）*接下来的两个，假设xtabond自2004年5月更新为更新命令。xtabond n yr*，滞后（1）pre（w，滞后（1.））pre，（k，endog）robust small无控制的xtabond2 n L.n w L.w k yr*，gmm（L.（w n k））iv（yr*）noleveleq稳健小*接下来的两个xtdpd n L.n L（0/1）。（wk）1978-1984年，dgmm（wk n）lgmm（w k n）liv（yr1978-yr1984）vce（稳健）双相控xtabond2 n L.n L（0/1）。1978年至1984年，gmm（L.（wk n））iv（yr1978-yr1984，eq（level））h（2）鲁棒两步*减少仪器数量的三种方法xtabond2 n L.n L（0/1）。1978年至1984年，gmm（L.（wk n））iv（yr1978-yr1984，eq（level））h（2）鲁棒两步pcaxtabond2 n L.n L（0/1）。1978-1984年（wk）年，gmm（L.（wk n），崩溃）iv（yr1978-yr1984，eq（level））h（2）鲁棒两步xtabond2 n L.n L（0/1）。（w k）年1978年至1984年，gmm（L.（w k n），滞后（1 1））iv（yr1978-yr1984，eq（level））h（2）鲁棒两步*估计a la Hayakawa 2009xtabond2 n L.n L（0/1）。1979年至1984年（wk），gmm（L.（wk n），滞后（1 1）正交）iv（yr1979-yr1984，eq（level））h（2）稳健两步正交诺列夫列克

    三个示例文件包含在随此下载的包中命令。阿贝斯特.do复制了DPD for Ox附带的两个示例文件，这反过来又产生了阿雷利亚诺和邦德的大部分GMM结果(1991).贝斯特.do复制DPD附带的另一个示例文件Ox，基于Blundell和Bond（1998）。要下载它们，请键入以下命令或单击它：ssc install xtabond2，all replace。这将把文件保存到当前目录中光盘命令。格林.do重现了格林（2002）的一个例子。工具书类
Arellano，M.和S.Bond。1991.面板规范的一些测试数据：蒙特卡洛证据和就业申请方程。经济研究综述58: 277-97.Arellano，M.和S.Bond。1998.使用动态面板数据估计用于高斯的DPD98：用户指南。Arellano，M.和O.Bover。1995年再次审视乐器误差分量模型的变量估计。第页，共页
        计量经济学68: 29-51.Bai，J.和S.Ng.2010年。数据中的工具变量估计丰富的环境。计量经济学理论26(6): 1577-1606.C.F.Baum、M.E.Schaffer和S.Stillman。2003.工具变量以及GMM：评估和测试。Stata杂志3: 1-31.Blundell，R.和S.Bond。1998.初始条件和力矩动态面板数据模型中的限制。计量经济学杂志87: 115-43.邦德，S.2002。动态面板数据模型：微观数据方法指南和实践。工作文件09/02。财政研究所，伦敦。Doornik，J.A.、M.Arellano和S.Bond。2002.面板数据估计使用DPD for Ox。http://www.nuff.ox.ac.uk/Users/Doornik。Greene，W.H.2002年经济计量分析第5版，Prentice-Hall。Hayakawa，K.2009年。一种简单有效的工具变量估计当N和T都很大时，面板AR（p）模型。计量经济学理论25: 873-90.Holtz Eakin，D.、W.Newey和H.S.Rosen。1988.估计矢量面板数据的自回归。计量经济学56: 1371-95.Kapetanios，G.和M.Marcellino。2010年因子GM估计一套可能很弱的仪器。计算统计与数据
        分析54(11): 2655–75.Mehrhoff，J.2009年。解决中仪器过多的问题动态面板数据GMM。讨论文件系列1。编号：31/2009。Roodman，D.2009年。如何做xtabond2：介绍“差异”和Stata中的“系统”GMM。Stata杂志9（1）：86-136。Windmeijer，F.2005年。方差的有限样本修正线性有效的两步GMM估计量。计量经济学杂志126: 25-51.

作者
大卫·鲁德曼高级研究员全球发展中心华盛顿特区droodman@cgdev.org

另请参见
手册：[U] 23估算和估算后命令,[U] 29 Stata估算命令概述,[XT]xtabond（X字节）
在线：xtabond、ivreg、ivreg2、estcom、postest的帮助；x点，