IV 回归与 AER 包简介

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）的估计量将是有偏且不一致的。常见的原因包括遗漏变量偏差、测量误差或双向因果关系。

• 工具变量法 (Instrumental Variables, IV)* 是解决这一问题的经典方法。它通过引入一个与内生解释变量高度相关，但与误差项不相关的“工具变量”，来分离出解释变量中外生的变化部分，从而得到一致的因果效应估计。

AER 包的作用

AER (Applied Econometrics with R) 是由 Christian Kleiber 和 Achim Zeileis 开发的 R 语言包，旨在配合教材《Applied Econometrics with R》使用。该包提供了丰富的数据集和专门的函数来处理应用计量经济学问题。

本脚本重点使用了 AER 包中的 ivreg() 函数。相比于基础 R 中的 tsls 或其他手动两步法，ivreg() 的优势在于：

1. 语法直观：采用公式接口 y ~ x1 | z1，清晰区分结构方程和工具变量。
2. 自动推断：summary() 方法可直接计算正确的渐近标准误，并支持 Wald 检验。
3. 诊断测试：内置了弱工具变量检验 (Weak Instruments test) 和过度识别限制检验 (Sargan/Hansen test) 等关键诊断功能。

数据说明

本示例使用 CigarettesSW 数据集（源自 Stock & Watson），研究香烟价格对需求的影响。由于价格可能由供需共同决定（联立性偏差），直接使用 OLS 会导致价格弹性估计有偏。因此，我们使用各州的销售税 (tax) 作为价格的工具变量进行 IV 回归。

结果展示说明

本部分描述运行 main.R 后在控制台输出的文字内容。

1. 输入操作

用户在 R 环境中 sourced 或运行 main.R 脚本。

2. 输出内容描述

A. IV 回归摘要 (2SLS Results)

程序首先会打印 summary(model_iv, diagnostics = TRUE) 的结果。输出将包含以下文本块：

• Call 部分：显示调用的公式，确认因变量为 lpacks，内生变量为 lrprice，工具变量为 tax。
• Residuals 部分：显示残差的最小值、四分位数和中位数分布。
• Coefficients 表格：
  • Estimate: 显示 lrprice (价格弹性) 和 lrincome (收入弹性) 的系数估计值。预期 lrprice 系数为负值（例如 -1.0 左右），且绝对值通常大于 OLS 估计值，表明 OLS 低估了价格敏感性。
  • Std. Error: 显示经过异方差稳健调整或渐近标准误计算的数值。
  • t value & Pr(>|t|): 显示 t 统计量和 P 值，用于判断显著性。
• Diagnostic Tests (诊断测试)：
  • Weak instruments test: 输出 F 统计量。如果 F 值大于经验法则的 10 (或 Stock-Yogo 临界值)，文本将暗示工具变量不是“弱”的，证明 tax 是强工具变量。
  • Wu-Hausman test: 输出卡方统计量和 P 值。如果 P 值小于 0.05，文本结论将拒绝“解释变量是外生的”原假设，证实使用 IV 的必要性。
  • Sargan test: (若工具变量个数多于内生变量个数时出现) 检验工具变量的外生性。

B. OLS 对比结果

随后，程序会打印 --- OLS 对比结果 --- 标题下的 lm 模型摘要：

• Coefficients 表格：显示 OLS 估计的 lrprice 系数。
• 对比观察：用户将通过文字观察到，OLS 的 lrprice 系数绝对值通常小于 IV 回归的系数（例如 OLS 可能是 -0.4，而 IV 是 -1.0）。这直观地展示了由于内生性导致的向下偏误。

C. 最终结论示例 (模拟文本流)

控制台最后呈现的逻辑流如下：

"IV 回归结果显示，香烟价格的弹性估计为 -1.2 (P < 0.01)，意味着价格上升 1%，需求下降 1.2%。弱工具变量检验的 F 统计量为 35.6 (>10)，表明税收是一个有效的强工具变量。Hausman 检验 P 值为 0.03，拒绝外生性假设。相比之下，OLS 估计的价格弹性仅为 -0.4，证实了忽略内生性会严重低估价格对香烟需求的影响。"