对于 xtabond, xtdpdsys 等 stata 官方命令而言，有内生变量和先决变量的区分，但对于 xtabond2 这个外生变量而言，并没有明确区分这两类变量。虽然从理论上来看，内生和先决变量很容易区分（参见下面第 7.8.3 小节的介绍），但对于实际操作而言，我们往往很难区分这两类变量。因此，保守的做法是，把这两类变量归为一类，都视为内生变量。这也是 xtabond2 的处理思路。因此，在该命令中，所有的内生变量和先决变量都会放置于 gmm() 选项中。

*---------------------------
*-7.8.3 一阶差分 GMM 估计量   AB91

  *-背景：
  * L.Hansen (1982) 提出 GMM
  *
  * Arellano and Bond (1991)

  *-模型：
  *  
  *    y[it] = a0*y[it-1] + a1*x[it] + a2*w[it] + u_i + v[it]
  
  *-假设条件：
  *    干扰项 v[it] 不存在序列相关；
  
  *-适用范围：
  *    大N，小T
  *    随后，我们会介绍“小N大T”型动态面板的估计方法
  
  *-基本思想：
  *
  *  在 Anderson and Hisao(1982) 基础上增加了更多可用的工具变量
  *
  * 在 t=3 处，y_i1 可以作为所有滞后项的工具变量
  * 在 t=4 处, y_i1, y_i2 可以作为所有滞后项的工具变量
  *
  *   D.y[it] = a1*D.y[it-1] + a2*D.X[it] + D.v[it]   X_it = [x_it, w_it]
  *
  * 因此，所有工具变量构成的矩阵如下：
  *
  *         |y_i1  0     0     0    0    0    ...  0   ...  0     D.x_i3 |
  *         | 0   y_i1 y_i2    0    0    0    ...  0   ...  0     D.x_i4 |   
  *         | 0    0     0    y_i1 y_i2 y_i3  ...  0   ...  0     D.x_i5 |
  *   Z_i = | .    .     .     .    .    .     .    .   .   .       .    |
  *         | .    .     .     .    .    .     .    .   .   .       .    |
  *         | 0    0     0     0    0    0    ... y_i1 ... yiT-2  D.x_iT |
  *
  *  Z_i 的行数为 T-2
  *  Z_i 的列数为 sum_(m=1)^(T-2){m} + K, K 为 X 的列数
  *
  *  以 T =7，K=3 为例，则 Z_i 的列数为 (1+2+3+4+5+6+7)+3 = 31
  
  *-设定工具变量的基本原则：
  *
  *  对-内生-变量的处理：与上述方法类似，
  *     即滞后两阶以上的水平变量均可作为差分方程的工具变量 (GMM type)
  *  对-先决-变量的处理：滞后一阶以上的水平变量均可作为工具变量 (GMM type)  
  *  对-外生-变量的处理：自己作为自己的工具变量 (Standard IV)

“因此，保守的做法是，把这两类变量归为一类，都视为内生变量。这也是 xtabond2 的处理思路。因此，在该命令中，所有的内生变量和先决变量都会放置于 gmm() 选项中。”


采用这种做法时，是采用该变量的现期值，还是滞后值？ 如果是滞后期， 一般滞后几期？

谢谢！

请问一下，你做出来了么？具体怎么做的呢？