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？