Model data panel dinamis

Model data panel dinamis memperluas regresi panel standar dengan memasukkan satu atau lebih nilai tertinggal dari variabel hasil sebagai prediktor. Karena hasil masa lalu secara langsung memprediksi hasil saat ini, model menangkap dinamika persistensi dan penyesuaian — tetapi juga menimbulkan korelasi antara variabel dependen tertinggal dan efek tetap individu, membuat estimator OLS dan efek tetap standar menjadi tidak konsisten. Pendekatan berbasis GMM yang dikembangkan oleh Arellano-Bond dan Blundell-Bond menyelesaikan masalah ini.