我一般都是用 xtabond2 (外挂程式，我认为该 command 应该是文献上最受欢迎使用的)，不过似乎与你的 Stata 内定指令 xtdpdsys 都需区隔"外生变量 (exogenous)"、"前定变量 (pre-determined)" 与 "内生变量 (endogenous)"。很不幸地，这样的问题并没有一个较一般的答案，主要要看你的回归设定与分析内容（文献上如何处理类似问题），所以，你应该要把你要分析的回归与变量"大致"说明一下，否则我很怀疑有人能直接回答此类问题 ！（我第一次上这个版回答问题，而且我来自台湾，所以用与可能与你们有所差异，希望不影响你的了解！

哦，我疏忽了。

我分析银行流动性影响影响因素，把变量分成bank-specific factors（lnTA ETA GGL CDA inr NII NIM NPL）和macroeconomic variable（lnRE GDP M2）。文献中将bank-specific factors定义为内生变量，macroeconomic variable定义为外生变量。

我写的命令是：xtabond2 NSFR L.NSFR lnTA ETA GGL CDA inr NII NIM NPL lnRE M2 GDP, gmm(L.NSFR L.lnTA L.ETA L.GGL L.CDA L.inr L.NII L.NIM L.NPL) ivstyle(lnRE GDP M2) twostep robust small orthogonal

但结果不是很好，出现warming：工具变量过多。

我常说，计量经济有"科学"、也有"艺术"的成分，现在可能是"艺术"的部分（需多方尝试）。
xtabond2 n L.n L(0/1).(w k) yr1978-yr1984, gmm(L.(w k n), collapse) iv(yr1978-yr1984) h(2) robust twostep
如上例，你需要 collapse 你的工具变数（避免工具变量过多的问题）！
xtabond2 n L.n L(0/1).(w k) yr1978-yr1984, gmm(L.(w k n), lag(1 1)) iv(yr1978-yr1984) h(2) robust twostep
此外，利用 lag(1 1) 或  lag(1 4) 等都可降低工具变量数目！
最后， collapse 与 lag 指令可以一起使用！

我也要用gmm估计，但我用eviews 并不知道该怎么处理5555

虽然不能帮助你。但是处理面板数据用STATA居多，有两篇文献你可以参考下，这是我最近看到的，希望对你有用。1. Using Arellano – Bond Dynamic Panel GMM Estimators in Stata
2. ROODAM-how to do xtabond2