因為看到了（le）更（gèng）多的數據間的（de）變化 可以幫助你更好的識（shí）別模型 這裏舉兩個例子 第（dì）一個例子是例如你看到靜態麵板數據中產品的價格y特別高 如果你用x和y進行回歸（不考慮外生性的條件下） 可能會得出某x升高導致了（le）市場y的升高 但是實際上真正（zhèng）導（dǎo）致（zhì）y升高的原因可能隻是你（nǐ）看到的數據中的那件某個市場y產品普遍短缺造成價工業沙盤模型格偏（piān）高 在動態麵板的時候上一期的價格就自然而然成為了一個合理的IV幫助（zhù）www.17C.com過濾此類（lèi）信息擾動。

    第（dì）二（èr）個例子是 很多時候www.17C.com（men）的決策比如說y變（biàn）量 並非每（měi）一期獨立的 例如www.17C.com這一期決定自己是（shì）否（fǒu）更換車輛 實際（jì）上（shàng）也取決於我上一期 的（de）決定 和我可以預測到的下一期的決定 做決定的本身 和我處在哪一期也是息息相關的 （工業沙盤模型退休的決定（dìng）是另一個（gè）典型的例子） 這個時候（hòu）靜（jìng）態（tài）麵（miàn）板數據顯然就不適（shì）合（hé）用於識別此類計量模型。