虽然计量经济学的发展已经较为迅速，但是目前国际上关于数据诊断问题的研究仍然相对较为单薄，主要表现在其研究单纯围绕于单种数据的诊断研究，未能将多种数据相结合，面板方面考察较少，由于宏观数据间存在多种数据间相关的问题，则本文将面板引入，通过利用多种数据之间的相关性，获取更多信息。除此之外，世界上除去少数发达国家，绝大多数国家均不具备很完善的数据统计系统，尤其是其年度数据，具有小样本的特征，由统计学可知，当样本为小样本时，经典意义上的多数统计性质将不再满足，若仍采用经典渐近理论将会出现错误，如此看来，研究小样本高维动态面板数据诊断问题具有极强的理论以及现实意义。　　 本文正是在此背景下，通过设定相关模型及参数，采用蒙特卡罗模拟方法随机生成样本点，再通过利用相关诊断统计量如Cook距离及学生化残差等来研究小样本高维动态面板数据诊断问题，具体考察了发生污染现象的影响因素以及其发生概率，例如样本量的大小，样本点的个数，样本点的异常程度等对诊断的影响。　　 本文在结构上面一共分为八个章节，其中第一章为引言，简要介绍了本文的选题背景、理论意义及现实意义、本文的研究框架以及创新之处。第二章为国内外相关理论实证研究现状及其评述，主要介绍了国内外关于数据诊断方法及动态面板模型的数据诊断方法发展历程及现状。第三章主要介绍了本文研究所选择的具体模型以及为何选择此模型作为以下仿真模拟的基础，并对所选模型进行了初步研究。第四章是对目前动态面板模型所采用的估计方法进行分析，并具体提出GMM方法的使用以及估计方法。第五章主要介绍所选择的几种数据诊断统计量，介绍了具体的统计量形式以及所采用的理论方法，并将其引入到所设模型中。第六章则采用Matlab进行蒙特卡罗模拟生成初始样本点，之后随机生成多种异常点，且进行数据诊断统计量的检验，来分析此小样本高维动态面板模型中存在不同个数及不同异常度时的样本异常点的性质及检验状态，对比分析不同情况下各诊断统计量犯错的可能性。第七章对数据诊断进行了实证研究，最终证明了第六章的结论。第八章则是对全文的总结，进行了主要结论的论述以及详细分析了本文研究方面存在的不足，并对后期延伸研究提出了新的展望点。　　 本文的创新之处主要体现在以下几点。第一，本文提出了高维动态面板模型数据诊断方法，不同于以往的传统单种数据诊断模型。第二，本文在研究方面更加侧重于对小样本宏观经济统计数据的研究，并且具体讨论了高维动态面板模型在小样本情况下的数据诊断问题。第三，本文研究了在样本中存在单个及多个异常点时的情形，并且针对不同的样本量均配置了不同的异常点数以及异常程度来研究影响犯错误概率的原因，例如样本容量大小、异常点异常程度、异常点的数量等等。第四，本文采用多种样本量抽取，多次模拟参数选择，多种异常点位置设置，多种异常点数及异常点异常大小选择等来更加完善研究，从而使得本文的结论具有一般性。