同一份数据,基准回归的解释变量系数是 0.34,换成工具变量之后变成 0.50,涨了将近五成。这类结果扔进论文里,审稿人一定会问一句「为什么大这么多」,而这个问题的答案至少有四种,每一种对应的处理方式都不一样。先分类,再下结论,比急着解释「IV 更干净」要稳。
先对齐四件事,多数「系数突变」死在这一步
第一,样本。两阶段最小二乘会自动丢掉工具变量缺失的观测,如果工具在某些年份或某些群体上缺失,2SLS 的样本就和 OLS 不是同一批人。做法很简单:两个回归各存一份样本,比对观测数与关键变量的均值、标准差;不一致就先统一样本再比系数。
第二,单位与变换。解释变量取水平还是取对数、用百分比还是用小数、通胀写成 5 还是 0.05,任何一处不一致都能造出几十倍的差距。这一条听起来低级,实际最常见。
第三,控制变量与固定效应。为了满足排他性约束,IV 常常比 OLS 多加或减掉一些控制变量;面板里同时上个体固定效应与工具变量时,样本与加权方式也会变。两列的设定不一致,系数就没有可比性。
第四,加权。2SLS 在异方差下的有效估计带权重,OLS 默认不带;同样的数据,加权与不加权的点估计可以差出一截。
四件事都对齐之后,剩下的差异才是真正的「机制问题」。
四个机制,四种完全不同的解释
我用固定参数做了四组模拟,每组 400 次重复,观测数 2000 到 4000,真值都设成 0.50。结果如下:
| 情形 | 数据生成的关键设定 | OLS | 2SLS | 该怎么读 |
| A 经典测量误差 | 观测到的解释变量含独立噪声,工具是同一真值的另一份测量 | 0.336(标准差 0.019) | 0.503(标准差 0.032) | IV 接近真值,是 OLS 被压小了 |
| B 遗漏变量 | 存在同时影响解释变量与被解释变量的能力项,工具只推动解释变量 | 0.829(0.020) | 0.496(0.040) | IV 接近真值,是 OLS 被抬高了 |
| C 弱工具 | 工具与解释变量的相关性只有 0.1 左右 | 0.853(0.022) | 均值 0.872,标准差 0.210,取值 0.23 到 1.90 | IV 被拉向 OLS 且极不稳定 |
| D 依从者效应不同 | 依从者效应 0.80,总是接受者 0.10,从不接受者 0 | 0.519(0.032) | 0.794(0.053) | IV 估的是依从者的效应,不是全样本平均 |
四行放在一起看,结论就清楚了:IV 比 OLS 大,可能是 OLS 被衰减(A),可能是两者估的根本不是同一个参数(D),也可能是弱工具把估计量拉得乱飘(C)。只有 B 那种情形,IV 变小才是「OLS 有内生性」的典型证据。
情形 A 值得多说一句。经典测量误差下,OLS 的系数会被按「真值方差除以观测方差」的比例压小;模拟里真值 0.50 被压到 0.336,衰减比例约 0.67,正好对应噪声方差占观测方差三分之一左右的设定。这时用同一真值的另一份测量当工具,系数就回到 0.503。所以看到「IV 大、OLS 小」,先怀疑测量误差,而不是先怀疑内生性。
情形 C 是另一头的陷阱。工具很弱时,2SLS 的有限样本分布不以真值为中心,而是被拉向 OLS 的偏误方向;模拟里 IV 的均值 0.872 比 OLS 的 0.853 还大一点,标准差 0.21,最夸张的一次跑到 1.90。这种「大」不是信息,是噪声。
LATE:IV 估的到底是谁的效应
情形 D 背后是 Angrist 与 Imbens 1995 年那篇技术工作论文的结论。他们证明了三件事:存在有效工具,并不足以识别任何一个有意义的平均处理效应;把工具与参与状态的关系加进来,能识别的是「被工具推动而改变参与状态的那部分人」的局部平均处理效应;标准 IV 估计量的概率极限,是这些局部效应的加权平均。
翻成白话:工具只对「依从者」起作用——那些因为工具取值变化而从不受处理变成受处理的人。总是接受者、从不接受者,工具推不动他们,他们的效应不进 IV 的分子。如果依从者的效应本来就比全样本平均大(比如政策只对某类企业有约束力,而这类企业恰好反应最强),IV 就会比 OLS 大,而且这个「大」是对的。
模拟里这一点很直观:依从者效应 0.80,总体里还混着效应 0.10 的总是接受者与效应 0 的从不接受者,OLS 把三类人搅在一起得到 0.519,IV 只认出依从者,得到 0.794。
七步诊断,按顺序走
第一步,对齐样本。两个回归的观测数、关键变量均值、缺失情况逐项比对。
第二步,对齐单位与变换。水平、对数、百分比、小数,四者不要混。
第三步,对齐控制变量与固定效应。列出两列的完整设定,逐项对照。
第四步,看第一阶段。工具系数的方向是否符合理论、F 统计量或偏 R 方是否够大、有没有多个工具互相打架。第一阶段都站不住,后面的解释不用写。
第五步,比区间而不是比点估计。IV 的标准误通常更大,两个 95% 置信区间很可能大幅重叠;点估计差 0.
16、区间重叠一半的情形,说「显著不同」是站不住的。
第六步,写清目标量。你要的是平均处理效应、依从者的局部效应,还是受处理者的平均效应?目标量不同,OLS 与 IV 本来就不该相等。
第七步,做稳健性。弱工具下用对弱工具稳健的推断(如 Anderson-Rubin 置信区间),有多余工具时看过度识别检验;如果结论在稳健推断下翻转,前面所有解释都要重写。
怎么写进论文:五行模板
第一行,两列并列,各注明观测数、控制变量集、固定效应、加权方式,把「设定一致」这件事写在表注里。
第二行,单独一张第一阶段表:工具系数、标准误、F 统计量或偏 R 方。
第三行,两列的 95% 置信区间都给出,不要只给星号。
第四行,一句话说明目标量:OLS 给的是条件相关,2SLS 给的是依从者的局部平均效应,依从者是谁要写清楚(哪一类单位会因工具而改变参与状态)。
第五行,如果差异主要来自测量误差,明确写出「工具与测量误差独立」这一假设,并说明它的可信度来自哪里。
四个常见误判
一,「IV 比 OLS 大,说明 OLS 有内生性」。不成立。测量误差会让 OLS 偏小,这时的「大」是纠偏,不是发现内生性。
二,「IV 比 OLS 大,说明工具有效」。更不成立。弱工具同样能给出偏大的点估计,而且极不稳定。
三,「两个系数差得多,所以显著不同」。要看置信区间重叠程度,不要拿点估计之差当检验。
四,「LATE 就是总体效应」。工具只识别依从者,依从者不是随机样本;把 LATE 写成总体平均效应,是这类论文最常见的表述错误。
────────────────
四组模拟的完整参数、结果表与可复现的纯 Python 代码、Angrist 与 Imbens 那篇论文的摘要要点与引用格式、可复制的论文报告模板、七步诊断的检查表,以及四条容易读错的地方,都放在下面,回复本帖可见。
把经管之家装进你常用的 AI 智能体中 一键快捷安装经管之家 MCP/技能,让 AI 帮你查教程、找数据、读论坛帖子。 检索、阅读公开帖子不收费,安装可申请领取:3 通用积分+100 论坛币+3 元论坛资金 说明: AI 算力按所用平台规则计算;附件按原帖条件获取;福利领取条件以活动页面为准。 |


雷达卡


京公网安备 11010802022788号







