连老师:您好!
       根据您的指导,我先对原四个非平稳的序列进行差分，然后再使用sys-GMM 进行估计.具体步骤是:
      第一步.先在原数据库中用生成四序列的一阶差分序列。
gen  dgdzb=d.gdzb
gen  ddeploa=d.deoloa
gen  ddeploa=d.deploa
gen  dsrload=d.srload

第二步.对原序列gdzb（各省固定资本形成额/GDB，取对数）、deploa（各省固定资本形成额/GDB，取对数
）、deploa（各省固定资本形成额/GDB，取对数）、srload（各省固定资本形成额/GDB，取对数
）生成四个一阶差分序列即dgdzb、ddeploa、ddeploa、 dsrload进行sys-GMM 进行估计。
语句是：
xtabond2   dgdzb  l.dgdzb  l.(0/1).(ddeploa   dloadep  dsrload ),gmm( l.dgdzb,lag(2 5))  iv ( l.(0/1).(ddeploa    dloadep dsrload ))
运行的结果是：

. xtabond2   dgdzb  l.dgdzb  l.(0/1).(ddeploa   dloadep  dsrload )  ,gmm( l.dgdzb,lag(2 5
> ))  iv ( l.(0/1).(ddeploa    dloadep dsrload ))
Favoring space over speed. To switch, type or click on mata: mata set matafavor speed, pe
> rm.
Warning: Number of instruments may be large relative to number of observations.

Dynamic panel-data estimation, one-step system GMM
------------------------------------------------------------------------------
Group variable: code                            Number of obs      =       870
Time variable : year                            Number of groups   =        30
Number of instruments = 136                     Obs per group: min =        29
Wald chi2(7)  =     36.67                                      avg =     29.00
Prob > chi2   =     0.000                                      max =        29
------------------------------------------------------------------------------
       dgdzb |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
       dgdzb |
         L1. |   .2936256   .0613945     4.78   0.000     .1732946    .4139565
     ddeploa |
         --. |   .1420245   .0500944     2.84   0.005     .0438412    .2402078
         L1. |   .0427101   .0481251     0.89   0.375    -.0516134    .1370335
     dloadep |
         --. |   .1244038   .0502566     2.48   0.013     .0259028    .2229048
         L1. |  -.0361744   .0490998    -0.74   0.461    -.1324083    .0600594
     dsrload |
         --. |  -.0281362   .0162513    -1.73   0.083    -.0599882    .0037158
         L1. |   .0221481   .0155019     1.43   0.153    -.0082351    .0525312
       _cons |   .0258935   .0058311     4.44   0.000     .0144648    .0373223
------------------------------------------------------------------------------
Arellano-Bond test for AR(1) in first differences: z =  -9.61  Pr > z =  0.000
Arellano-Bond test for AR(2) in first differences: z =   0.49  Pr > z =  0.622

Sargan test of overid. restrictions: chi2(128)  = 227.08  Prob > chi2 =  0.000
  (Not robust, but not weakened by many instruments.)

Difference-in-Sargan tests of exogeneity of instrument subsets:
  GMM instruments for levels
    Sargan test excluding group:     chi2(101)  = 189.41  Prob > chi2 =  0.000
    Difference (null H = exogenous): chi2(27)   =  37.67  Prob > chi2 =  0.083
  ivstyle(l.(0/1).(ddeploa dloadep dsrload ))
    Sargan test excluding group:     chi2(122)  = 207.42  Prob > chi2 =  0.000
    Difference (null H = exogenous): chi2(6)    =  19.67  Prob > chi2 =  0.003

从运行的结果看，比较理想，特别是被解释变量dgdzb的滞后一阶 L1.dgdzb的估计系数为
0.2936256，小于1。我担心的问题是：
    一是我的上述具体做法正确吗？？
    二是我在原序列中直接生成四个一阶差分序列dgdzb、ddeploa、ddeploa、 dsrload，与原序列相比都缺了第一年的项，这样直接进行运算行吗？
     三是变量含义的解释。差分后序列dgdzb、ddeploa、ddeploa、 dsrload
得出的sys-GMM
回归结果表达式，能否把差分变量直接写成原变量呢，如把差分后被解释变量dgdzb直接写成原变量gdzb
呢？差分后的经济含义如何解释呢？
     四是:减少工具变量数。我在运用FD-GMM分析中部地区8省1978-2008金融发展与资本形成关系时，表达式如下：
     xtabond2     dgdzb    l.(0/1).(ddeploa   dloadep  dsrload )     if code>11  & code <20
     运算结果是所有变量系数不显著，工具变量数203个，而观察数才为224，我怀疑工具变量数是否太多，怎样才能减少呢？
    急等连老师的回复！！