动态面板与广义矩
系统 GMM 估计
把滞后因变量放进面板方程时，用差分把个体效应洗掉，再用更深的滞后当工具，避免 Nickell 偏倚把惯性系数拉歪。
这篇能回答什么
系统 GMM 这一产品页回答的是：「在个体—年份面板里，当期 Y 对滞后 Y 与当期 X 的差分斜率是多少，工具够不够推动 ΔY_{t-1}」。实现上先按实体排序，构造 Y_{t-1}、一阶差分 ΔY / ΔX / ΔY_{t-1}，再用 Y_{t-2} 作为 ΔY_{t-1} 的工具，对差分方程做稳健协方差的 2SLS（Arellano–Bond 差分 IV）。表头写「动态面板差分 GMM 估计结果」：当前输出是差分方程，不是再叠一层水平方程的完整 Blundell–Bond 系统。
适合：T 至少 3 期、实体有重复观测，理论允许「昨天的 Y 进入今天的方程」，并且你接受用滞后当内部工具，而不是另找外部 Z。教学工作表「panel」：20 个个体 × 2014–2023 共 200 行；差分与两期滞后清掉空值后，表注有效样本 160。角色是 1 个个体标识、1 个时间、1 个定量 Y、至少 1 个 X。
如何选择方法
四页分工不同。2SLS 页吃的是外部「工具」列，表里是 const / 外生 / 内生，第一阶段 F 可以到数百。GMM估计页先核矩条件占用（教学 N=221 的 A/B/C），不打印差分惯性。固定效应页做组内去均值，但把 L1.Y 当回归元会 Nickell 偏倚。本页自动生成滞后工具，表里应出现 X 与 L1.Y (滞后一期因变量) 两行。
系统 GMM（本页）：个体 + 时间 + Y + X；输出差分系数、稳健 z、第一阶段 F、差分后 N。
工具变量 (2SLS)：外部 Z，截面或可堆叠截面，有 Wu-Hausman。
GMM估计：一般 IV 矩语言；教学结果是占用表，不是 L1.Y。
面板固定效应：无滞后 Y 时吸收 α_i；有 L1.Y 时不要当主表。
输入、输出与限制
输入
四个角色都必填。个体列须为定类（教学为 U01–U20）；时间可以是年份这种定量或定类；Y 必须定量；X 可为定量或定类。系统不会让你手选工具列——工具固定为 Y 的二阶滞后。进入估计的是删缺失、再丢掉因 shift / diff 产生的空行之后的样本。
自变量：最少 1 个，最多 50 个。
因变量：最少 1 个，最多 1 个（定量）。
个体/实体：最少 1 个，最多 1 个（定类）。
时间变量：最少 1 个，最多 1 个。
输出
一张系数表：解释变量、差分系数、稳健标准误、z、P。本例两行——X 与 L1.Y (滞后一期因变量)。表注给出 Arellano–Bond 口径、第一阶段 F 与差分后有效样本。系数图按差分方程绘制。洞察若把 0.5865 安到「滞后 Y」上，以表的行名为准：0.5865 属于 X，L1.Y 是 1.2585。
产品限制
每个实体至少要撑住滞后两期 + 一阶差分，等价于 T ≥ 3。
实体个数上限 500。
当前求解器是差分方程上的 IV2SLS，不输出 AR(1)/AR(2) 与 Hansen J；论文若要这两项，需在可报告序列相关与联合过度识别的程序里另跑。
水平方程（真正把「系统」两个字做满的 Blundell–Bond 矩）不出现在这张差分表里。
第一阶段 F 按 ΔY_{t-1} ← Y_{t-2} 计算；本教学 F=2.67，远低于经验阈值 10。
案例
研究问题。 20 个单元在 2014–2023 年各有一条 Y 与一条 X。研究者怀疑当期 Y 被昨天的 Y 拖着走，同时又想看 X 的差分斜率。组内 OLS 把 L1.Y 放进去会与去均值后的误差相关，因此改用滞后作工具的差分估计。
因果推断表的「panel」工作表有 200 行（个体、年份、Y、X、处理、事后）。本页只用个体、年份、Y、X。差分后有效样本 160，与 20×8 的直觉一致（每实体丢掉最前面因滞后/差分空掉的年份）。下载后切到 panel，不要停在 iv 或 heckman。
在 StatsX 中操作
步骤 1 · 打开面板表
导入因果推断 xlsx，切到工作表「panel」。单文件不超过 20 MB。
步骤 2 · 确认长表结构
个体应是 U01 这类定类重复标识，年份应能排序。同一实体至少三期，否则差分后会被删光。
步骤 3 · 点选系统 GMM 估计
目录搜索「系统 GMM」或动态面板。不要点成只要占用表的「GMM估计」，也不要点成要外部工具列的 2SLS。
步骤 4 · 填四个角色
个体/实体放「个体」，时间放「年份」，因变量放 Y，自变量放 X。处理、事后两列本页不用。运行分析。
步骤 5 · 先看 F 再看惯性
表注第一阶段 F=2.67 时，L1.Y 的 1.2585（p=0.228）不能当「强惯性」。X 的 0.5865（p<0.001）相对更站得住，但仍处在弱工具背景里。
如何阅读输出
下表由「panel」工作表在 StatsX 中运行得到。差分后 N = 160。X 的差分系数 0.5865，稳健标准误 0.17，z = 3.4498，P < 0.001：在差分空间里，X 与 ΔY 同向。L1.Y (滞后一期因变量) 系数 1.2585，标准误 1.0429，z = 1.2067，P = 0.228：惯性项不能在 α=0.05 下拒绝为零。第一阶段 F = 2.67，说明 Y_{t-2} 推动 ΔY_{t-1} 的力量很弱。
| 解释变量 | 差分系数(Coef) | 稳健标准误 | z值 | P值 |
|---|---|---|---|---|
| X | 0.5865 | 0.17 | 3.4498 | <0.001 |
| L1.Y (滞后一期因变量) | 1.2585 | 1.0429 | 1.2067 | 0.228 |
左右滑动可查看完整表格
采用 Arellano-Bond 工具变量法处理动态内生性。第一阶段 F 统计量 = 2.67。差分后有效样本 = 160。
阅读顺序：差分后 N 是否合理 → 第一阶段 F 是否过弱 → 再决定哪一行可以写进结论。本教学里，X 显著但工具偏弱，L1.Y 不显著且标准误几乎与点估计同阶。不要把 1.2585 写成「单位根式的强惯性」，也不要把 0.5865 抄到滞后项上。完整系统 GMM 还会报告水平方程与联合 Hansen；那些数字不在本表，缺了不要补造。
理论与公式
动态面板的水平方程含个体效应与滞后因变量。组内变换后，ΔY_{t-1} 仍与差分误差相关（Nickell）。Arellano–Bond 对差分方程使用更深滞后作工具。本页把工具简化为 Y_{t-2}：
求解器是 linearmodels 的 IV2SLS，协方差为 robust。第一阶段把 ΔY_{t-1} 对 Y_{t-2} 与 ΔX 回归，F=2.67 衡量工具相关。真正的系统 GMM 再加水平方程矩 E[Δy_{i,t-1} ε_{it}]=0；本页表名与列都停在差分系数，引用时写「差分 IV / Arellano–Bond 简化实现」，不要写成已经报告了 Blundell–Bond 全套矩。
注意事项
F=2.67 低于常用弱工具门槛 10，L1.Y 的区间会很宽；显著的 X 也应在文中声明工具偏弱。
目录名「系统 GMM」与表名「差分 GMM」并存：对外引用以表名和「差分后 N=160」为准。
200 行原始面板 ≠ 160 行估计样本；占比与标准误的分母是 160。
没有 AR(2) 就不能用「残差无二阶相关」当作识别已过关。
2SLS 页 F=342.15 来自完全不同的外部工具与截面设计，禁止和 2.67 比「谁的工具更强」。
常见问题
参考文献
Arellano, M., & Bond, S. Some tests of specification for panel data. Review of Economic Studies, 1991, 58(2): 277–297.
Blundell, R., & Bond, S. Initial conditions and moment restrictions in dynamic panel data models. Journal of Econometrics, 1998, 87(1): 115–143.
Roodman, D. How to do xtabond2. Stata Journal, 2009, 9(1): 86–136.
Nickell, S. Biases in dynamic models with fixed effects. Econometrica, 1981, 49(6): 1417–1426.