Wooldridge方法基于一种简单新颖的策略来处理非线性动态随机效应面板数据模型的初值问题。这种方法的特点使它在经验应用中非常有吸引力。然而，其有限样本性能尚不清楚。在本文中，我们研究了该方法的性能与理想情况下，其中初值是已知常数，最坏情况下，基于外生初值假设，和Heckman的简化形式近似方法在文献中广泛使用。以动态随机效应probit和tobit (type1)模型为例。给出了平衡和非平衡面板数据集的蒙特卡罗实验设计，以及两个完整的经验应用。结果表明，Wooldridge方法适用于中等长度(超过5-8个周期)的面板。在短面板中，建议采用Heckman的简化形式近似(短于5个周期)。研究还发现，所有方法对长时间(超过10-15个周期)的面板都有同样的效果。