本文提出了一种半参数审查动态短周期面板数据模型的识别和估计方法。这个方法只需要使用两个时期的面板数据同时平均部分效果(average partial effects)也可以估计。 提出的方法在不需要指定应变数的初始条件分布下, 转换半参数审查动态短周期面板数据模型成为参数面板数据模型。然后审查动态面板数据模型可以在最大似然估计（MLE）框架下全局识别。这个转换方法的假设是相关的已知半参数分布函数和动态面板数据模型的完整性(completeness)。动态Tobit模型和两部(Two-part)动态回归模型满足这个关键假设。

       对于估计方法,本文提出了最大似然估计（Sieve MLE）和使用蒙特卡洛分析(Monte Carlo simulation)来研究这些估计方法的有限样本性质。模型的实证应用使用医疗费用小组调查数据（MEPS）, MEPS的数据详细记录医疗保健的使用，医疗支出来源的支付，覆盖范围从1999至2000，是两周期面板数据。在数据中有相当大部分的样本是零医疗支出的所以审查动态短周期面板数据模型是适用的。实证结果表明，在控制基本的人口变数和过去的医疗费用支出下, 收入增加个人会消费更多的医疗保健费用。