Trong bài học trước, chúng ta đã khám phá giải pháp biến công cụ (IV) của Anderson-Hsiao. Mặc dù phương pháp này cung cấp một ước lượng nhất quán, giúp khắc phục được “Nickell bias”, nó lại có một điểm yếu cố hữu: tính không hiệu quả. Bằng cách chỉ sử dụng một biến công cụ duy nhất tại mỗi thời điểm (ví dụ, $y_{i,t-2}$), phương pháp Anderson-Hsiao đã bỏ qua một lượng lớn thông tin giá trị có sẵn trong dữ liệu. Điều này đặt ra một câu hỏi tự nhiên: Tại sao chỉ dùng một công cụ khi chúng ta có thể có nhiều hơn? Câu hỏi này chính là điểm khởi đầu cho công trình đột phá của Manuel Arellano và Stephen Bond (1991). Họ đã phát triển một phương pháp ước lượng dựa trên Phương pháp Moment Tổng quát (GMM), cho phép tận dụng một cách có hệ thống tất cả các biến công cụ hợp lệ có sẵn trong cấu trúc động của dữ liệu. Phương pháp này, thường được gọi là GMM sai phân …