自己算算，抛砖引玉一下。对于一般的回归：
matrix b1=get(_b)
scalar AIC=log(_result(4)/_result(1))+(colsof(b1)/_result(1))*2
scalar SIC=log(_result(4)/_result(1))+(colsof(b1)/_result(1))*log(_result(1))
scalar list

_result(1), the number of observations;
_result(4), the variance;
colsof(b1), the number of columns of matrix b1 (including the constant term)

谢谢rosenbloog， 请问您提到的算法是否只要残差是iid就成立？(xtdpd用的arrelano-bond estimator) 我不知道对于GMM是否需要要对公式作改动？
其中_result(4) 是指variance of residues吗? saved results 只有variance-covariance matrics of coefficients,请问如何算出_result(4)？我加了vce(robust)，不知道有什么影响。。。谢谢：）不好意思问题太多了。。。

_result(4) 是指variance of residues. 加了robust当然使残差的标准误更有小更有效了。

同问，回归之后，如何调出AIC or BIC等统计值？

请问您解决了吗？还有，如何确定最优呢？一阶一阶的试着来吗？