The dynamic panel estimators develo

The dynamic panel estimators developed by Arellano and Bond (1991), Arellano and Bover (1995) and Blundell and Bond
(1998) are best for situations where there are panels with small time periods (T) and large cross sections (N); the dependent
variable is dynamic (depends on its past values); independent variables are not strictly exogenous (they are correlated with
past and possibly current realizations of the error); and there are time invariant individual fixed effects and heteroscedasticity
and autocorrelation within individuals but not across them. The Arellano-Bond estimation starts by transforming all regressors,
usually by differencing, and uses the generalized method of moments (GMM), and is called a difference GMM. The system
GMM estimator combines the standard set of equations in first-difference with a suitable lagged level as instruments, and an
additional set of equations in levels with suitably lagged first differences as instruments. Generally, linear difference and system
GMM estimators have one and two step variants. The two step variant uses residuals from the one-step estimates and is asymptotically more efficient than the one-step.

Kết quả (Việt) 1:

Bảng điều khiển năng động estimators được phát triển bởi Arellano và trái phiếu (1991), Arellano và Bover (1995) và Blundell và trái phiếu(1998) là tốt nhất cho các tình huống nơi có bảng với khoảng thời gian nhỏ (T) và phần lớn đường (N); phụ thuộc vàobiến là năng động (phụ thuộc vào giá trị của nó trong quá khứ); Các biến độc lập là không nghiêm chỉnh ngoại sinh (họ có tương quan vớiquá khứ và hiện tại có thể realizations lỗi); và không có tác dụng cố định cá nhân bất biến thời gian, heteroscedasticityvà autocorrelation trong cá nhân, nhưng không phải qua chúng. Dự toán trái phiếu Arellano bắt đầu bằng cách chuyển đổi tất cả regressors,thường do differencing, sử dụng phương pháp tổng quát trong khoảnh khắc (GMM) và được gọi là một sự khác biệt GMM. Hệ thốngGMM ước tính kết hợp bộ tiêu chuẩn của các phương trình trong sự khác biệt đầu tiên với một mức độ phù hợp lagged như dụng cụ, và mộtCác thiết lập thêm các phương trình ở cấp độ với phù hợp tụt sự khác biệt đầu tiên như dụng cụ. Nói chung, sự khác biệt của tuyến tính và hệ thốngGMM estimators có các biến thể bước một và hai. Phiên bản hai bước sử dụng dư từ các ước lượng One-bước và là tiệm cận hiệu quả hơn One-bước.

Kết quả (Việt) 2:

Các ước lượng bảng năng động phát triển bởi Arellano và trái phiếu (1991), Arellano và Bover (1995) và Blundell và trái phiếu
(1998) là tốt nhất cho tình huống mà có tấm với thời gian nhỏ thời gian (T) và mặt cắt ngang lớn (N); sự phụ thuộc
biến là năng động (phụ thuộc vào các giá trị quá khứ của mình); biến độc lập không đúng ngoại sinh (họ có tương quan với
quá khứ và có thể hiện ngộ của lỗi); và có thời gian cá nhân bất biến hiệu ứng cố định và các biến ngẫu nhiên
và tự tương quan trong cá nhân nhưng không qua chúng. Việc lập dự toán Arellano-Bond bắt đầu bằng cách chuyển đổi tất cả các biến hồi quy,
thường là bằng Differencing, và sử dụng GMM (GMM), và được gọi là một sự khác biệt GMM. Hệ thống
ước lượng GMM kết hợp các bộ tiêu chuẩn của phương trình trong đầu khác biệt với một mức độ tụt phù hợp như các công cụ, và một
thiết lập thêm các phương trình ở cấp độ với độ trễ thích hợp khác biệt đầu tiên là công cụ. Nói chung, tuyến tính khác biệt và hệ thống
dự toán GMM có một và hai biến thể bước. Hai bước biến thể sử dụng dư từ dự toán một bước và là tiệm hiệu quả hơn một bước.