IV 工具变量分析简介

背景

在计量经济学中，当解释变量与误差项相关（即存在内生性）时，普通最小二乘法（OLS）的估计结果是有偏且不一致的。常见原因包括遗漏变量、双向因果关系或测量误差。

解决方案：工具变量法 (IV)

工具变量法通过引入一个满足以下两个条件的变量来解决内生性问题：

1. 相关性：工具变量必须与内生解释变量高度相关。
2. 外生性：工具变量只能通过影响内生解释变量来影响因变量，不能直接与误差项相关。

本脚本逻辑

本 main.do 脚本演示了如何使用 Stata 进行两阶段最小二乘法 (2SLS) 回归：

• 因变量: lwage (对数工资)
• 内生解释变量: educ (教育年限)
• 工具变量: feduc (父亲教育年限)
• 控制变量: experience (工作经验)

脚本首先执行第一阶段回归以验证工具变量的强度，随后执行 2SLS 回归，并输出相关的诊断统计量（如 F 统计量）以评估工具变量的有效性。

结果展示说明

本部分描述运行 main.do 后，Stata 结果窗口将输出的关键文本信息及含义。

1. 描述性统计输出

• 输入命令: summarize lwage educ feduc experience
• 输出内容:

将显示四个变量的观测值数量 (Obs)、均值 (Mean)、标准差 (Std. Dev.)、最小值 (Min) 和最大值 (Max)。

* 示例*: `educ` 的均值约为 12.5 年，`feduc` 的均值约为 10.2 年。

2. 第一阶段回归诊断 (First Stage)

• 输入命令: ivregress ..., first 附带的自动输出
• 输出内容:

显示内生变量 educ 对工具变量 feduc 和控制变量 experience 的回归结果。
关键指标：F 统计量 (F-statistic)。

* 预期结果描述*: 如果 `feduc` 是强工具变量，F 统计量通常应大于 10（经验法则）。输出会显示 "Weak identification test (Cragg-Donald Wald F statistic): [数值]"。若数值显著大于 10，则表明不存在弱工具变量问题。

3. 2SLS 主回归结果

• 输入命令: ivregress 2sls lwage (educ = feduc) experience
• 输出内容:

显示结构方程的系数估计表。

- **Coeff. (系数)**: `educ` 的系数表示在解决内生性后，多受一年教育对对数工资的因果效应。通常 IV 估计的系数绝对值会比 OLS 更大（若 OLS 存在向下偏误）。
- **P>|t| (P 值)**: 用于判断显著性。若小于 0.05，表示教育对工资有显著影响。
- **[95% Conf. Interval]**: 置信区间。
* 预期结果描述*: 输出将列出 `educ` 和 `experience` 的系数、标准误、t 值和 P 值。例如：`educ` 的系数可能为 0.085 (P<0.01)，意味着教育回报率约为 8.5%。

4. 过度识别检验 (仅当工具变量数 > 内生变量数时)

• 输入命令: estat overid (若脚本中启用)
• 输出内容:

显示 Sargan 或 Hansen J 统计量及其 P 值。

* 预期结果描述*: 原假设是所有工具变量都是外生的。若 P 值 > 0.05，则不能拒绝原假设，认为工具变量选取合理；若 P 值 < 0.05，则提示至少有一个工具变量不满足外生性条件。（注：本脚本仅有一个工具变量，此步通常跳过或无法计算）。

5. 结果导出

• 输入命令: outtable ...
• 输出内容:

在当前工作目录下生成名为 iv_results.txt 的文本文件，其中包含整理好的回归系数表格，格式整齐，便于直接复制到报告或论文中。