常见的面板数据向量自回归模型包括Arellano-Bond估计器（通常称为“差异”GMM）、Blundell-Bond估计器（通常称为“系统”GMM）和Arellano-Bover估计器。全部使用 GMM，并以模型开头：

$$y_{it}=\sum_{l=1}^p\rho_ly_{i,t-l}+x_{i,t}'\beta+\alpha_i+\epsilon_{it}$$

Arellano 和 Bond采用的一阶差分来消除固定效应，然后使用滞后水平作为工具： $y_{i,t}$$\alpha_i$

$$E[\Delta \epsilon_{it}y_{i,t-2}]=0$$

这与这篇Holtz-Eakin Newey Rosen 文章中详述的过程基本相同，该文章还提供了一些实现说明。

Blundell 和 Bond使用滞后一阶差分作为水平工具：

$$E[\epsilon_{it}\Delta y_{i,t-1}]=0$$ 名称“系统”GMM 通常是指这些仪器与 Arellano Bond 仪器的混合。

Arellano 和 Bover使用系统 GMM 并且还探索了变量的前向贬低，据我所知，这并没有直接实现R，但您可以查看他们的论文以了解详细信息。

在R中，Arellano-Bond 和 Blundell-Bond 都在plm包中实现，在命令下pgmm。我链接到的文档提供了有关如何实现它们的说明和示例。

在使用 pdata.frame（plm 包）转换数据集后，您可以使用看似不相关的回归方程系统（使用包 systemfit）。您需要自己推导出脉冲响应函数。如果按照汉密尔顿或格林的教科书，应该不会太复杂。

https://www.researchgate.net/publication/312165764_Panel_Vector_Autoregression_in_R_The_panelvar_Package

在这里你可以找到 R 包和论文的链接。

我刚刚发现 Michael Sigmund、Robert Ferstl 和 Daniel Unterkofler 的这篇论文“Panel Vector Autoregression in R: The Panelvar Package”（2017），它基本上是对 R 中实现的方法的描述。 https://papers.ssrn.com /sol3/papers.cfm?abstract_id=2896087

此外，这里还有另一个问题： R 中的面板向量自回归模型？

作者现在正在 CRAN 上发布代码，但已经在 researchgate 上提供了二进制包。 https://www.researchgate.net/project/Panel-Vector-Autoregression-Models-with-different-GMM-estimators

二进制panelvar包可以直接下载，我想近期应该可以在CRAN上找到源代码。 https://www.researchgate.net/publication/322526372_panelvar_044