面板自相关：xtserial enc invs exp imp esc mrl

则存在一种更有效的方法，即GMM。从某种意义上，GMM之于2SLS正如GLS之于OLS。好识别的情况下，GMM还原为普通的工具变量法；过度识别时传统的矩估计法行不通，只有这时才有必要使用GMM，过度识别检验（Overidentification Test或J Test）：estat overid

三、工具变量效果验证

工具变量：工具变量要求与内生解释变量相关，但又不能与被解释变量的扰动项相关。由于这两个要求常常是矛盾的，故在实践上寻找合适的工具变量常常很困难，需要相当的想象力与创作性。常用滞后变量。

需要做的检验：

检验工具变量的有效性：

（1） 检验工具变量与解释变量的相关性

如果工具变量z与内生解释变量完全不相关，则无法使用工具变量法；如果与仅仅微弱地相关，。这种工具变量被称为“弱工具变量”（weak instruments）后果就象样本容量过小。检验弱工具变量的一个经验规则是，如果在第一阶段回归中，F统计量大于10，则可不必担心弱工具变量问题。Stata命令：estat first（显示第一个阶段回归中的统计量）

（2） 检验工具变量的外生性（接受原假设好）

在恰好识别的情况下，无法检验工具变量是否与扰动项相关。在过度识别（工具变量个数>内生变量个数）的情况下，则可进行过度识别检验（Overidentification Test），检验原假设所有工具变量都是外生的。如果拒绝该原假设，则认为至少某个变量不是外生的，即与扰动项相关。0H

Sargan统计量，Stata命令：estat overid

四、GMM过程

在Stata输入以下命令，就可以进行对面板数据的GMM估计。

ssc install ivreg2 （安装程序ivreg2 ）

ssc install ranktest （安装另外一个在运行ivreg2 时需要用到的辅助程序ranktest）

use "traffic.dta"（打开面板数据）

xtset panelvar timevar （设置面板变量及时间变量）

ivreg2 y x1 (x2=z1 z2),gmm2s （进行面板GMM估计，其中2s指的是2-step GMM）返回搜狐，查看更多