工具变量法的过度识别检验.pdfVIP

工工具具变变量量法法中中的的过过度度识识别别检检验验：：原原理理、、方方法法与与实实证证意意义义

一一、、工工具具变变量量法法的的基基本本框框架架回回顾顾

工具变量法（InstrumentalVariable,IV是解决计量经济学中内生性问题的核心方法。当解释变量与误差项存在相关性时（即

存在内生性问题，普通最小二乘法（OLS的估计结果将产生偏差和不一致性。工具变量通过寻找满足外生性和相关性条件

的变量，为内生解释变量提供纯净的变异来源，进而实现参数的一致性估计。

内生性问题通常来源于以下三种情况：（1遗漏变量偏差；（2测量误差；（3双向因果关系。工具变量的有效性取决于

两个核心条件：第一，相关性条件（Relevance，即工具变量与内生解释变量存在强相关性；第二，排他性约束（Exclusion

Restriction，即工具变量只能通过影响内生解释变量来作用于被解释变量，不能存在其他作用路径。

二二、、过过度度识识别别检检验验的的理理论论基基础础

2.1识识别别条条件件与与工工具具变变量量数数量量

在工具变量法的应用中，识别状态可分为三种情况：1.恰好识别（Just-Ientifie：工具变量数量等于内生解释变量数量2.

过度识别（Over-Ientifie：工具变量数量多于内生解释变量数量3.识别不足（Uner-Ientifie：工具变量数量少于内生

解释变量数量

过度识别检验仅在第二种情况下适用，此时研究者拥有超过必要数量的工具变量。例如在研究教育回报率时，若同时使用父母

教育程度、地理教育政策变动两个工具变量来解释个体的教育年限，就构成了过度识别情形。

2.2检检验验的的统统计计逻逻辑辑

过度识别检验的核心思想在于验证额外的工具变量是否满足排他性约束。当工具变量数量超过内生变量数量时，理论上不同

的工具变量组合应该产生一致的估计结果。如果这些估计结果存在系统性差异，则表明至少存在一个无效工具变量。

检验的原假设（H设定为：所有工具变量均满足外生性条件。拒绝原假设意味着至少存在一个工具变量与误差项相关，破坏

了排他性约束。此时，研究者需要重新检验工具变量的选择。

三三、、主主要要检检验验方方法法及及其其演演进进

3.1Sargan检检验验（（1958

作为最早的过度识别检验方法，Sargan检验基于以下统计量构建：[S=n\cotR^2\sim\chi^2(m-k)]其中：(n)为样本量(

R^2)来自辅助回归（将IV估计的残差对所有外生变量回归(m)为工具变量总数(k)为内生解释变量数量

该检验要求满足同方差假设，且主要适用于恰好识别和过度识别情形。当存在异方差时，Sargan检验的效力会显著下降。

3.2HansensJ检检验验（（1982

Hansen在广义矩估计（GMM框架下提出改进的J检验：[J=\hat{\varepsilon}Z(Z\hat{\Omega}Z)^{-1}Z\hat{\varepsilon}\sim

\chi^2(m-k)]其中：(Z)为工具变量矩阵(\hat{\Omega})为加权矩阵(\hat{\varepsilon})为GMM估计残差

相较于Sargan检验，HansenJ检验具有更好的稳健性，主要体现在：1.允许存在异方差和自相关2.适用于非线性模型和动态

面板3.在弱工具变量情况下表现更稳定

3.3其其他他改改进进方方法法

1.Difference-in-Sargan检验：用于比较不同工具变量子集的外生性

2.C统计量：专门检验某个工具变量子集的外生性

3.Anerson-Rubin检验：适用于弱工具变量场景

四四、、检检验验实实施施的的具具体体步步骤骤

4.1前前置置条条件件验验证证

在实施检验前必须确保：1.模型满足秩条件（工具变量与内生变量相关性显著2.至少存在一个有效工具变量（否则检验无

意义3.样本量足够支持统计推断（通常n30

4.2标标准准检检验验流流程程

以两阶段最小二乘法（2SLS为例：1.第一阶段回归：内生变量对工具变量回归2.第二阶段回归：被解释变量对第一阶段

拟合值回归3.残差提取：获取第二阶段的回归残差4.辅助回归：将残差对所有外生变量（包括工具变量回归5.构造统计

量：计算nR