4# sungmoo
tsset code_dum year
       panel variable:  code_dum (strongly balanced)
        time variable:  year, 2004 to 2010
                delta:  1 unit
. xtabond2 lev 1.lev size pro tang ndts liqu pca inop baoliu yingyun,gmm(lev size pro tang ndts liqu pca inop baoliu yingyun,lag(2 2))  nolevel small
然后就显示下面这个了
lev:  may not use time-series operators on string variables
为什么啊？

感謝，首次接觸STETA 11，多謝您的用心教導。

这个问题解决了，可是有有个新问题，
tsset code_dum year
       panel variable:  code_dum (strongly balanced)
        time variable:  year, 2004 to 2010
                delta:  1 unit
一般来讲程序应该是： xtabond2 所有变量 gmm（内生自变量滞后两阶）iv（外生自变量） nolevel small可是我的没有外生自变量，我输入的是：
. xtabond2 lev 1.lev size pro tang ndts liqu pca inop baoliu yin
> gyun,gmm(lev size pro tang ndts liqu pca inop baoliu yingyun,l
> ag(2 2))  nolevel small
下面显示：
1:  operator invalid
什么原因呢？请高手指点迷津啊

滞后一阶用L.lev，滞后二阶用L2.lev

10# sungmoo
非常非常非常非常感谢您的指导！

10# sungmoo
高手，能帮我看看怎么分析结果吗？
Arellano-Bond test for AR(1) in first differences: z =  -3.38  Pr > z =  0.001
Arellano-Bond test for AR(2) in first differences: z =   0.20  Pr > z =  0.838
Sargan test of overid. restrictions: chi2(40)   =  45.90  Prob > chi2 =  0.241
  (Not robust, but not weakened by many instruments.)

10# sungmoo
版主，能帮我看看分别用xtabond2 和xtdpd 哪个结果好些吗？怎么看出好不好呢？
1、xtabond2命令的结果： xtabond2 lev l.lev size pro tang ndts liqu pca inop baoliu yingyun,gmm(lev size pro tang ndts liqu pca inop baoliu yingyun,lag(2 2))  nolevel smal l
Favoring space over speed. To switch, type or click on mata: mata set matafavor speed, perm.
Dynamic panel-data estimation, one-step difference GMM
------------------------------------------------------------------------------
Group variable: code_dum                        Number of obs      =       255
Time variable : year                            Number of groups   =        51
Number of instruments = 50                      Obs per group: min =         5
F(10, 245)    =     19.67                                      avg =      5.00
Prob > F      =     0.000                                      max =         5
------------------------------------------------------------------------------
         lev |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
         lev |
         L1. |   .0397423   .0789673     0.50   0.615    -.1157991    .1952836
         size |   .1075706    .021561     4.99   0.000     .0651019    .1500392
         pro |  -.0159616   .0170661    -0.94   0.351    -.0495766    .0176533
        tang |  -.1319296   .0572375    -2.30   0.022    -.2446699   -.0191894
        ndts |   .3441457   1.034333     0.33   0.740    -1.693174    2.381466
        liqu |  -.0973343   .0179064    -5.44   0.000    -.1326045   -.0620641
         pca |  -4.587896   1.060056    -4.33   0.000    -6.675883   -2.499909
        inop |   .0007705   .0005055     1.52   0.129    -.0002252    .0017663
      baoliu |  -.7476521   .1512282    -4.94   0.000    -1.045525   -.4497788
     yingyun |  -.0018036   .0006419    -2.81   0.005     -.003068   -.0005391
------------------------------------------------------------------------------
Instruments for first differences equation
  GMM-type (missing=0, separate instruments for each period unless collapsed)
    L2.(lev size pro tang ndts liqu pca inop baoliu yingyun)
------------------------------------------------------------------------------
Arellano-Bond test for AR(1) in first differences: z =  -3.38  Pr > z =  0.001
Arellano-Bond test for AR(2) in first differences: z =   0.20  Pr > z =  0.838
------------------------------------------------------------------------------
Sargan test of overid. restrictions: chi2(40)   =  45.90  Prob > chi2 =  0.241
  (Not robust, but not weakened by many instruments.)

2、xtdpd命令的结果
xtdpd lev l.lev size pro tang ndts liqu pca inop baoliu yingyun, twostep dgmmiv(lev size pro tang ndts liqu pca inop baoliu yingyun, lagrange(2))
> lgmmiv(lev size pro tang ndts liqu pca inop baoliu yingyun, lag(2)) artests(2)
Dynamic panel-data estimation                Number of obs         =       306
Group variable: code_dum                     Number of groups      =        51
Time variable: year
                                             Obs per group:    min =         6
                                                               avg =         6
                                                               max =         6
Number of instruments =    191               Wald chi2(10)         = 156381.22
                                             Prob > chi2           =    0.0000
Two-step results
------------------------------------------------------------------------------
         lev |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
         lev |
         L1. |   .3898956    .014208    27.44   0.000     .3620485    .4177428
        size |   .0638932   .0028806    22.18   0.000     .0582474     .069539
         pro |  -.0162189   .0025059    -6.47   0.000    -.0211304   -.0113073
        tang |   .0841234   .0082696    10.17   0.000     .0679153    .1003315
        ndts |  -2.659479     .13495   -19.71   0.000    -2.923976   -2.394982
        liqu |   -.063842   .0033097   -19.29   0.000    -.0703288   -.0573552
         pca |  -.4799973   .1392972    -3.45   0.001    -.7530148   -.2069798
        inop |   .0015522   .0000797    19.48   0.000      .001396    .0017083
      baoliu |  -.2815143   .0191556   -14.70   0.000    -.3190586     -.24397
     yingyun |  -.0005303   .0000886    -5.99   0.000    -.0007039   -.0003567
       _cons |   -.897393   .0527354   -17.02   0.000    -1.000753   -.7940334
------------------------------------------------------------------------------
Warning: gmm two-step standard errors are biased; robust standard
         errors are recommended.
Instruments for differenced equation
        GMM-type: L(2/.).lev L(2/.).size L(2/.).pro L(2/.).tang L(2/.).ndts L(2/.).liqu L(2/.).pca L(2/.).inop L(2/.).baoliu L(2/.).yingyun
Instruments for level equation
        GMM-type: L2D.lev L2D.size L2D.pro L2D.tang L2D.ndts L2D.liqu L2D.pca L2D.inop L2D.baoliu L2D.yingyun
        Standard: _cons
. estat sargan
Sargan test of overidentifying restrictions
        H0: overidentifying restrictions are valid
        chi2(180)    =  40.73323
        Prob > chi2  =    1.0000
. estat abond
Arellano-Bond test for zero autocorrelation in first-differenced errors
  +-----------------------+
  |Order |  z     Prob > z|
  |------+----------------|
  |   1  |-4.0164  0.0001 |
  |   2  | 1.2848  0.1989 |
  +-----------------------+
   H0: no autocorrelation
.

楼主下面这个是输入什么命令得出的啊，谢谢！！！急用！！
Arellano-Bond test for AR(1) in first differences: z =  -3.38  Pr > z =  0.001
Arellano-Bond test for AR(2) in first differences: z =   0.20  Pr > z =  0.838

这个问题解决了，
你好，请问你这个问题是怎么解决的？

求指点~~你现在解决了吗？我也遇到这个问题了~

后来换Eviews了

好的吧~那我再看看