各位博友,差分GMM,系统GMM,偏差校正LSDV法都是处理动态面板数据的方法。前两者主要是处理短动态面板,也即大N小T。最后的LSDV是处理长动态面板。我已知的内容是偏差校正LSDV在处理小N大T方面的效率(方差大小和均方误差方面)要高于GMM,但是LSDV有个硬伤,也即其较强的假定是所有解释变量都是严格外生的。如此,则限制了LSDV的使用范围。在这一点上GMM可以通过引入工具变量(一般使用内生变量的高阶滞后值作为工具变量)来解决内生变量或前定变量问题。然而这并没有涵盖实操中的全部情况。同时,如果模型中含有不随时间变化的解释变量,比如性别、人种等,则差分GMM无法对这些变量进行有效估计,加之差分GMM存在弱工具变量问题,所以系统GMM被认为更有效率。然而,使用系统GMM的前提是扰动项不存在自相关(Arellano-Bond test)。
那么,我的问题来了:一是对于大N大T的动态面板应该采用什么方法?二是实践中,也有文献使用GMM处理长动态面板,可以借鉴吗?三是GMM项下,工具变量如何确定?也即作为工具变量的内生解释变量的滞后阶数如何确定?