信息化时代不断地呈现出丰富且多样的面板数据集，一方面为科学研究提供了多角度多方位思考的可能性，另一方面因时间维度及截面维度的增加也给我们分析增加了难度。面板数据分析，特别是大面板数据（这里指时间维度T和截面维度N均很大的面板数据）分析越来越受到经济、金融、生物医学、环境科学等领域的重视。面板数据固定效应模型因其能解决一部分内生性问题，反映不同个体间的差异等诸多优点，现已被广泛应用到各领域。然而经典的固定效应模型对特异误差项有严格的假定，既要求同一个体不同时间上误差项相互独立，也要求不同个体间误差项相互独立，即特异误差项不存在序列相关和截面相依。忽略序列相关和截面相依都将导致模型参数估计的非有效性以及标准误估计的有偏性。本文在归纳总结现有文献基础上分别针对仅存在序列相关特异误差项时的固定效应模型和特异误差项同时存在序列相关和截面相依时的固定效应模型进行了研究。归纳起来本文的主要贡献可从以下两个方面进行阐述：一、本文将Qiu&Wu (2013)的移动分块经验似然方法应用到特异误差项存在序列相关的固定效应模型，具体贡献如下：1．新方法假设序列相关形式只需满足混合鞅序列，使得序列相关形式非常一般化，从而在很大程度上避免了序列相关形式误设的可能。2．大样本理论保证了新方法允许面板数据时间维度T趋向无穷。并且模拟表明，当T较小（如T=6）时新方法仍然适用。3．有限样本模拟表明，新方法较现有的参数方法如Baltagi&Li (1994)以及非参数方法如Gon alves (2011)有效，进一步说明新方法的稳健性。4．采用PM2.5和其它常规大气污染指标之间的实例分析再次表明新方法估计的精度高。二、对于同时存在序列相关和截面相依的固定效应模型，本文借鉴Qu et al.(2000)构造二次推断函数中矩方程的方法，将拓展得分向量与移动分块经验似然结合，对模型进行统计推断，具体贡献如下：1．新方法只要求特异误差项序列满足混合鞅条件，而对于截面相依没有任何限制，既充分考虑到时间序列数据和横截面数据的特点，又大大降低因模型误设导致统计推断失效的可能性。2．渐近理论表明新方法适用于时间维度T趋向无穷截面维度N有限的面板数据。但模拟发现，新方法对于大截面维度（如N=500）仍适用。3．有限样本模拟表明，新方法较现有能同时处理序列相关和截面相依的方法（如Gon alves (2011)）和Vogelsang (2012)）有效。4．进一步利用CO2排放量和城市化水平之间的实证分析验证了新方法的有效性。