Stata工具变量法实战：两阶段最小二乘法解决内生性问题

1. 项目概述：当模型“不听话”时，我们该怎么办？

做实证分析的朋友，估计都遇到过这种让人头疼的情况：你精心构建了一个回归模型，变量选取、数据清洗都做得一丝不苟，结果跑出来一看，核心解释变量的系数显著得不得了，故事讲得也很漂亮。但当你把结果拿给导师或者审稿人看时，他们眉头一皱，抛出一个灵魂拷问：“你这个模型有内生性问题吧？” 一句话就能让你之前的所有工作瞬间变得摇摇欲坠。内生性，可以说是横在因果推断面前最大的一座山。它意味着你的核心解释变量和模型误差项相关，导致你的估计结果是有偏的、不一致的，无论你增加多少样本量，这个偏差都不会消失。简单说，你看到的“因果关系”，很可能只是“相关关系”，甚至是反向因果或遗漏变量导致的假象。

这时候，工具变量法，特别是其最经典的实现形式——两阶段最小二乘法，就成了我们手中一把至关重要的“手术刀”。它的核心思想很巧妙：既然我怀疑变量X和误差项u“勾结”在一起（即存在内生性），那我就不直接用有问题的X去解释Y。我找一个“工具”Z，这个工具Z需要满足两个关键条件：第一，它必须和内生变量X高度相关；第二，它必须和误差项u不相关，也就是说，它只能通过影响X来间接影响Y。然后，我用这个“干净”的工具Z，先把有问题的X“净化”一遍，得到X的“纯净”部分，再用这个“纯净”的X去估计对Y的影响。整个过程就像给数据做了一次“透析”，把干扰因果识别的“毒素”过滤掉。

Stata作为社会科学和经济学领域最主流的计量软件，对工具变量法的支持非常成熟。从最基本的ivregress命令，到检验工具变量有效性的estat firststage、estat overid，再到处理异方差、自相关等复杂情况的ivreg2、ivreghdfe等外部命令，形成了一个完整的工具变量分析生态。掌握在Stata中熟练运用2SLS，几乎是每一个从事严肃实证研究者的必备技能。接下来，我就结合自己这些年踩过的坑和积累的经验，带你彻底搞懂如何在Stata中玩转工具变量法，从原理到操作，从命令到解读，让你在面对内生性质疑时，能从容地拿出可靠的分析结果。

2. 内生性问题：识别、来源与严重后果

在深入工具变量法之前，我们必须先把“敌人”——内生性——给摸透。很多初学者对内生性的理解停留在“X和误差项相关”这个定义上，但具体到实践中，怎么判断？它从哪来？不管的话有多严重？这部分我们就来掰开揉碎了讲。

2.1 内生性的三大主要来源

内生性不是凭空产生的，它通常源于模型设定或数据生成过程中的一些根本性问题。主要有三个来源：

1. 遗漏变量偏差：这是最常见、也最棘手的一种。你的模型中漏掉了一个或几个既影响核心解释变量X，又影响被解释变量Y的重要变量。这个被遗漏的变量跑到了误差项u里，而它又和X相关，自然就导致了X与u相关。举个例子，我们想研究教育年限（X）对个人收入（Y）的影响。一个经典的遗漏变量是“个人能力”。能力高的人可能更倾向于接受更多教育（影响X），同时能力高的人即使在相同教育水平下也可能获得更高收入（影响Y）。如果你不控制能力，那么教育年限的系数就会包含能力带来的效应，被高估。

2. 测量误差：当核心解释变量X的观测值存在系统性误差时，也会导致内生性。如果测量误差与X的真实值相关，或者与模型其他部分相关，那么包含测量误差的X就会与误差项相关。例如，用自我报告的收入数据来衡量真实收入，低报或高报的趋势如果与某些不可观测的特征（如对调查的信任度）相关，就会引入内生性。

3. 联立性偏差或反向因果：即X和Y互相影响，互为因果。在这种情况下，我们设定的单向因果关系（X -> Y）模型本身就有问题。例如，在研究“警察数量（X）对犯罪率（Y）的影响”时，犯罪率高的地区通常也会增派更多警察，这就形成了反向因果（Y -> X）。在回归中，这表现为X与捕捉了Y对X影响的误差项相关。

注意：内生性是一个计量问题，而不是一个统计问题。你无法通过增加样本量、使用更复杂的标准误（如稳健标准误、聚类标准误）来解决它。这些方法只能解决异方差、自相关等问题，但对由模型设定错误导致的内生性偏误无能为力。

2.2 如何怀疑和识别内生性？

在实践中，我们很少能“证明”一个模型没有内生性，更多的是基于理论逻辑和经验，去“怀疑”并“检验”内生性的存在。以下是一些实用的思路：

• 理论推理：这是第一步，也是最重要的一步。根据你所研究领域的理论，思考核心解释变量X是否可能通过上述三种渠道与误差项关联。有没有明显的遗漏变量？变量测量是否精确？是否存在反向因果的可能？例如，几乎所有涉及个人决策（如教育、健康投入、创业）的模型，都需要警惕“自选择”偏差，这本质上是遗漏变量（个人偏好、风险态度等）的一种表现。
• 豪斯曼检验：这是一个经典的正式检验方法。其基本思想是，比较OLS估计量（在有内生性时是不一致的）与工具变量法估计量（在工具变量有效时是一致的）。如果两者存在显著差异，则表明OLS不一致，即存在内生性。在Stata中，在完成2SLS估计后，可以使用estat endogenous命令（对于ivregress）或ivreg2命令输出的相关统计量来进行检验。
• 敏感性分析：如果你怀疑某个特定变量是遗漏变量，可以尝试寻找它的代理变量加入模型，观察核心解释变量系数的变化。如果系数发生剧烈变动，甚至符号改变，说明原模型可能对该遗漏变量敏感，内生性风险较大。另外，也可以使用如Oster (2019) 提出的方法，评估需要多大的遗漏变量效应才能推翻你的结论。

理解内生性的来源和识别方法，是我们决定是否以及如何采用工具变量法的前提。你不能因为结果不显著或不符合预期，就随意找个工具变量往上套。工具变量法的启动，必须建立在坚实的理论怀疑之上。

3. 工具变量法（2SLS）的核心原理与假设

工具变量法听起来像是一个“黑箱”魔法，但拆开来看，它的逻辑非常清晰。两阶段最小二乘法（2SLS）是这个魔法最直观的呈现方式。我们一步步来看。

3.1 两阶段最小二乘法的直观演绎

假设我们有一个简单的线性模型：Y = β0 + β1*X + u其中，我们怀疑X是内生的，即Cov(X, u) ≠ 0。

现在我们找到了一个工具变量Z，它需要满足：

1. 相关性条件：Cov(Z, X) ≠ 0。Z必须与内生变量X相关。
2. 外生性条件：Cov(Z, u) = 0。Z必须与误差项u不相关，即Z是外生的。

2SLS的“两阶段”由此展开：

第一阶段：将内生变量X对所有外生变量（包括模型中的其他外生控制变量，以及工具变量Z）进行回归。X = π0 + π1*Z + π2*W + v其中W是其他外生控制变量。通过这个回归，我们得到X的预测值X_hat。这个X_hat是仅由外生部分（Z和W）解释的X，它已经与原始误差项u不相关了（因为Z和W都与u不相关）。

第二阶段：将原始的被解释变量Y对第一阶段得到的预测值X_hat以及其他外生控制变量W进行回归。Y = β0 + β1*X_hat + β2*W + error这次回归得到的 β1 的估计量，就是2SLS估计量。因为它使用的是“净化”后的X_hat，所以理论上解决了内生性问题。

在Stata中，我们不需要手动分两步跑回归。ivregress命令在内部自动完成了这个过程，并给出了正确的标准误（手动分两步回归得到系数的标准误是不对的）。但理解这两个阶段对于后续的检验和解读至关重要。

3.2 工具变量的三大核心假设与经验判断

工具变量法的有效性完全依赖于其假设是否成立。这三个假设必须深刻理解：

1. 相关性：工具变量必须与内生解释变量强相关。这是“工具”能用的前提。弱工具变量会导致严重的后果：

   • 2SLS估计量即使在大样本下也会有偏。
   • 估计量的分布不再近似正态，导致基于正态分布的假设检验（如t检验、F检验）完全失效。
   • 放大遗漏变量偏差：如果工具变量只是弱相关，那么即使工具变量本身只有微小的内生性（轻微违背外生性假设），也会被急剧放大，导致最终的2SLS估计比OLS估计更糟糕。

2. 外生性：工具变量必须与误差项不相关。这是最核心、也最难验证的假设。因为误差项u包含了所有影响Y但未被模型观测到的因素，要论证Z与所有这些因素都不相关，几乎不可能从统计上直接证明。这主要依赖于理论逻辑和叙事。你需要讲一个令人信服的故事：为什么Z是随机的？或者为什么Z只通过影响X来影响Y，而没有其他直接或间接的路径影响Y？例如，著名经济学家Angrist和Krueger (1991) 用“出生季度”作为“教育年限”的工具变量，其外生性逻辑是：出生季度由法律规定的入学年龄决定，是外生的；它只通过影响入学早晚（从而影响在达到辍学年龄前所能接受的教育年限）来影响收入，而没有其他路径。

3. 排他性约束：工具变量只能通过影响内生解释变量X来影响被解释变量Y，不能有直接或通过其他未包含在模型中的变量影响Y的通道。这其实是外生性假设的另一种表述，强调了影响路径的唯一性。

实操心得：寻找工具变量是一场“理论驱动的冒险”。一个好的工具变量往往比一个复杂的模型设定更有价值。在应用研究中，我们常常需要阅读大量文献，借鉴相似情境下被广泛接受的工具变量，或者基于研究场景的特殊性（如政策冲击、自然实验、地理特征等）来构造工具变量。永远记住，工具变量的质量决定了你整个分析的可信度。

4. Stata实战：从命令到完整分析流程

理论讲得再多，不如动手跑一遍。我们用一个模拟的例子来贯穿整个Stata操作流程。假设我们想研究“企业研发投入（rd）”对“企业生产率（tfp）”的影响，我们担心“研发投入”是内生的（比如，生产率高的企业更有钱做研发，存在反向因果；或者管理者能力同时影响两者，造成遗漏变量）。

4.1 数据准备与初步观察

首先，我们生成一些模拟数据，并做一个初步的OLS回归作为对比基准。

* 清空内存，设置变量 clear all set seed 1234 set obs 1000 * 生成外生变量：企业规模(size)，行业竞争程度(competition) gen size = rnormal(5, 2) gen competition = runiform() * 生成工具变量：政府研发补贴政策冲击(policy)，一个虚拟变量 gen policy = (runiform() > 0.7) // 约30%的企业受到政策冲击 * 生成内生变量：研发投入(rd)，它受size、competition、policy和不可观测的管理者能力(ability)影响 gen ability = rnormal(0, 1) // 管理者能力，不可观测，是遗漏变量 gen rd = 2 + 0.5*size - 0.3*competition + 1.5*policy + 0.8*ability + rnormal(0, 1) * 生成被解释变量：全要素生产率(tfp)，它受rd、size、competition和ability影响 gen tfp = 1 + 0.7*rd + 0.4*size + 0.2*competition + 0.6*ability + rnormal(0, 1.5) * 保存数据 save iv_simulation.dta, replace * 查看数据概览 summarize tfp rd size competition policy * 做一个有偏的OLS回归（遗漏了ability） reg tfp rd size competition est store ols_bias

这个OLS回归中，rd的系数估计会因为有遗漏变量ability而向上偏误（因为ability对rd和tfp都有正向影响）。

4.2 核心命令ivregress详解

现在，我们使用policy作为rd的工具变量，进行2SLS估计。ivregress是Stata内置的官方命令，语法直接。

* 基本2SLS估计 ivregress 2sls tfp size competition (rd = policy) est store iv_2sls * 命令语法解读： * ivregress [估计方法] [被解释变量] [外生控制变量] ([内生变量] = [工具变量]) * 本例中： * - 估计方法：2sls (两阶段最小二乘) * - 被解释变量：tfp * - 外生控制变量：size, competition （这些变量在模型中被认为是外生的） * - 内生变量：rd * - 工具变量：policy

运行后，Stata会输出一个回归结果表。重点关注：

• rd的系数：这是我们解决内生性后得到的“纯净”效应估计值。
• 与之前的OLS结果对比：通常，如果存在正向的遗漏变量偏差，2SLS估计的系数会小于OLS系数。
• 第一阶段回归统计量：虽然主输出是第二阶段的，但第一阶段的信息至关重要。我们需要紧接着进行检验。

4.3 不可或缺的诊断检验

做完2SLS估计，工作只完成了一半。我们必须严格检验工具变量的有效性。以下几个检验是报告结果时必须包含的。

1. 弱工具变量检验检验工具变量与内生变量的相关性是否足够强。最常用的统计量是第一阶段回归的F统计量。

* 方法1：使用 estat firststage 命令（在 ivregress 之后直接运行） ivregress 2sls tfp size competition (rd = policy) estat firststage * 方法2：手动运行第一阶段回归并查看F值 reg rd policy size competition test policy // 检验工具变量policy的系数是否联合显著

如何判断？

• 经验法则：第一阶段F统计量大于10，通常认为不是弱工具变量。这是Stock和Yogo (2005) 提出的一个常用经验阈值。如果F值小于10，则存在弱工具变量问题，2SLS结果不可信。
• 查看estat firststage输出：它会提供Shea's partial R-squared和F统计量。F统计量是核心判断依据。

2. 过度识别检验当工具变量个数多于内生变量个数时（比如我们有2个工具变量用于1个内生变量），可以进行过度识别检验，来间接检验工具变量的外生性。其原假设是“所有工具变量都是外生的”。如果拒绝原假设，则说明至少有一个工具变量不满足外生性条件。

* 假设我们有两个工具变量 policy 和 policy_lag（政策滞后一期） * gen policy_lag = L1.policy // 需要提前定义 * ivregress 2sls tfp size competition (rd = policy policy_lag) * estat overid * 对于恰好识别（工具变量数=内生变量数），无法进行过度识别检验。 * 我们的例子是恰好识别（一个工具变量对应一个内生变量），所以不能做。

注意：过度识别检验通过，不能证明工具变量一定外生，只能说数据没有拒绝它们外生的联合假设。但检验不通过，则是一个强烈的危险信号。

3. 内生性检验（豪斯曼检验）检验是否真的有必要使用工具变量法。原假设是“所有解释变量都是外生的”。如果拒绝，则说明存在内生性，OLS不一致，工具变量法是必要的。

* 在 ivregress 后使用 estat endogenous ivregress 2sls tfp size competition (rd = policy) estat endogenous * 该命令会输出一个Durbin-Wu-Hausman检验的卡方统计量和p值。

解读：如果p值很小（如小于0.05），则拒绝原假设，认为rd是内生的，支持使用工具变量法。如果p值很大，则可能意味着内生性问题不严重，OLS结果也是可接受的。但要注意：这个检验的有效性依赖于工具变量是有效的。如果工具变量本身无效，这个检验也无意义。

4.4 使用更强大的社区命令ivreg2和ivreghdfe

对于更复杂的模型，如需要控制高维固定效应（企业、年份、行业等），内置的ivregress可能力不从心。这时，社区贡献的命令ivreg2和ivreghdfe是更好的选择。

ivreg2命令：提供了比ivregress更丰富的检验统计量和选项。

* 安装 ivreg2 ssc install ivreg2 * 使用 ivreg2 ivreg2 tfp size competition (rd = policy)

ivreg2的输出会一次性包含：

• 2SLS估计系数。
• 第一阶段F统计量、Shea's partial R2。
• 弱工具变量检验的临界值（Stock-Yogo）。
• 过度识别检验（Sargan / Hansen J statistic）。
• 内生性检验（Durbin-Wu-Hausman）。
• 各种稳健标准误选项（如robust,cluster）支持得更好。

ivreghdfe命令：这是处理高维固定效应的神器，它结合了reghdfe的快速高维吸收和工具变量法。

* 安装 ivreghdfe ssc install ivreghdfe * 假设我们的数据有企业(id)和年份(year)两个维度 * 生成模拟的面板数据 clear all set seed 1234 set obs 5000 gen id = ceil(_n/10) // 500家企业 gen year = 2000 + mod(_n, 10) // 10年数据 xtset id year gen size = rnormal(5, 2) gen competition = runiform() gen policy = (runiform() > 0.7) gen ability = rnormal(0, 1) gen rd = 2 + 0.5*size - 0.3*competition + 1.5*policy + 0.8*ability + rnormal(0, 1) + 0.5*L.rd // 加入滞后项模拟动态 gen tfp = 1 + 0.7*rd + 0.4*size + 0.2*competition + 0.6*ability + rnormal(0, 1.5) * 使用ivreghdfe控制企业和年份的双向固定效应 ivreghdfe tfp (rd = policy), absorb(id year)

absorb(id year)选项会吸收掉企业和年份的固定效应，其估计效率和处理速度远优于手动生成虚拟变量。

5. 结果解读、报告与常见陷阱

得到了看似漂亮的2SLS结果和通过的检验后，如何解读和报告？这里面也有不少门道。

5.1 如何规范地报告2SLS结果

在学术论文或研究报告中，报告工具变量结果时，至少应包括以下信息：

1. 核心结果表：通常以表格形式呈现，至少包含OLS和2SLS两列结果，以便对比。

   • 变量名称。
   • OLS估计系数和标准误（通常放在括号内或下方）。
   • 2SLS估计系数和标准误。
   • 控制变量列表。
   • 固定效应（如已控制）。

2. 诊断检验统计量：在表格下方或正文中明确报告。

   • 第一阶段F统计量：必须报告。例如：“第一阶段回归的F统计量为[数值]，远大于Stock-Yogo弱识别检验10%偏误水平下的临界值[数值]，表明不存在弱工具变量问题。”
   • 内生性检验（Hausman）p值：报告p值，说明是否拒绝OLS一致性的原假设。
   • 过度识别检验p值（如果适用）：报告Sargan或Hansen J检验的p值。
   • 第一阶段系数：有时也需要报告工具变量在第一阶段回归中的系数和显著性，以说明其与内生变量的关系是否符合理论预期（例如，政策冲击是否显著增加了研发投入）。

3. 对工具变量的讨论：用专门的一小节或段落，详细论证你所使用的工具变量为何满足相关性和外生性假设。这是文章审稿人最关注的部分之一。

5.2 2SLS结果的经济意义解读

解读2SLS系数时需要格外小心：

• 局部平均处理效应：2SLS估计的并不是全体样本的平均处理效应，而是局部平均处理效应。它代表的是那些因为工具变量的变化而改变了解释变量取值的个体（即“依从者”）的平均效应。在我们的例子里，policy的LATE是那些因为“政府补贴政策”而真正增加了研发投入的企业，其研发投入对生产率的平均效应。这与OLS试图估计的全体企业的平均效应可能不同。
• 系数大小：2SLS系数的标准误通常比OLS大，这是因为工具变量法是一种效率较低的估计方法（它只利用了工具变量带来的外生变异）。因此，不要因为2SLS系数不显著就轻易否定，要结合理论意义和第一阶段强度综合判断。
• 符号反转：有时2SLS的系数符号会与OLS相反。这不一定意味着2SLS错了，反而可能揭示了OLS由于严重的内生性（如强烈的反向因果）导致了完全误导性的结论。必须结合理论深入分析。

5.3 实操中高频踩坑点与应对策略

1. 弱工具变量是头号敌人：第一阶段F统计量小于10是最常见也最致命的问题。应对：尝试寻找更强的工具变量；如果可能，使用多个工具变量（但需通过过度识别检验）；使用有限信息最大似然法（LIML）估计，它对弱工具变量相对更稳健（在ivreg2中可使用liml选项）；或者坦诚地指出这一局限性，将结果视为探索性的。

2. “垃圾进，垃圾出”：如果工具变量本身的外生性存疑，那么2SLS的结果比OLS更不可信。应对：外生性无法直接检验，必须依靠严谨的理论论证、自然实验的合理性、或借鉴经典文献的权威工具变量。多做稳健性检验，例如使用不同的工具变量组合，看结果是否稳定。

3. 控制变量处理不当：所有在第二阶段出现的、且非内生变量的控制变量，也必须放入第一阶段回归。应对：在ivregress或ivreg2命令中，确保所有外生控制变量都正确列在了工具变量列表之外。对于ivreghdfe，通过absorb()控制的固定效应会自动处理。

4. 标准误有误：2SLS的标准误计算比OLS复杂。如果存在异方差，应使用稳健标准误；如果是面板数据或聚类数据，应使用聚类稳健标准误。应对：在命令中明确指定vce(robust)或vce(cluster cluster_var)。ivreg2和ivreghdfe在这方面选项非常清晰。

5. 对恰好识别的过度自信：只有一个工具变量时，无法进行过度识别检验，这并不意味着工具变量就是好的。应对：此时，对工具变量外生性的理论论证需要更加充分。可以尝试寻找另一个可能的工具变量进行“伪过度识别检验”，或者进行“ placebo test”（安慰剂检验），将工具变量用于一个理论上不应受影响的替代结果变量，看其是否不显著。

工具变量法是一门艺术，而不仅仅是技术。它要求研究者既有扎实的计量经济学功底，又有对研究问题的深刻洞察力和丰富的想象力。在Stata中实现它只是第一步，更重要的是理解每一步背后的计量逻辑，并诚实地面对和讨论其可能存在的缺陷。希望这篇长文能成为你攻克内生性难题的一块坚实垫脚石。记住，没有一个工具变量是完美的，但一个透明、严谨的分析过程，本身就是研究价值的重要组成部分。