工具变量法的外生性检验.pdf

工工具具变变量量法法的的外外生生性性检检验验：：原原理理、、方方法法与与挑挑战战

一一、、工工具具变变量量法法的的基基本本逻逻辑辑与与核核心心假假设设

工具变量法（InstrumentalVariable,IV）是决计量经济学中内生性问题的重要方法。当释变量与误差项存在相关性时（即

存在内生性），传统最小二乘法（OLS）的估计结果会出现偏误。工具变量通过引入与内生释变量相关但与误差项无关的外

生变量，实现对模型的无偏估计。其有效性依赖于两个核心假设：

1.相关性假设：工具变量必须与内生释变量存在显著相关性；

2.外生性假设：工具变量必须与误差项不相关（即满足排他性约束）。

外生性检验的核心任务即验证第二个假设是否成立。由于误差项不可观测，这一假设无法直接检验，需要借助间接方法进行推

断。

二二、、外外生生性性检检验验的的基基本本框框架架与与经经典典方方法法

（（一一））过过度度识识别别检检验验（（Over-IdentificationTest））

当工具变量数量超过内生变量数量时（即存在过度识别条件），可通过以下方法检验外生性：

1.Sargan-Hansen检验原假设：所有工具变量均外生构造原理：利用两阶段最小二乘法（2SLS）估计后的残差，检验其

与工具变量的相关性统计量形式：$J=n\cdot^2\sim\chi^2(m-k)$

其中$m$为工具变量数量，$k$为内生变量数量操作步骤：

2.估计2SLS模型得到残差$\hat{u}$

3.将$\hat{u}$对工具变量和控制变量进行辅助回归

4.计算辅助回归的$^2$并构造J统计量局限性：仅适用于过度识别情形，对弱工具变量敏感

5.C统计量检验应用场景：当存在部分外生工具变量时，检验新增工具变量的外生性原理：比较包含全部工具变量与排除

待检验工具变量的两个模型的差异实现方式：通过似然比检验或基于GMM的对比

（（二二））恰恰好好识识别别情情形形下下的的处处理理策策略略

当工具变量数量等于内生变量数量时（恰好识别），无法进行传统的过度识别检验，此时可采用：

1.伪过度识别检验通过暂时排除某个工具变量构造人工过度识别条件比较不同子集工具变量估计结果的一致性

2.控制函数法将内生性视为遗漏变量问题，构造控制函数项通过检验控制函数项的显著性判断外生性

3.异质性分析在不同子样本中重复估计，观察工具变量效应的稳定性若估计系数显著变化，可能暗示外生性假设不成立

三三、、前前沿沿方方法法与与扩扩展展检检验验

（（一一））双双重重机机器器学学习习框框架架下下的的检检验验

结合机器学习方法处理高维控制变量：1.使用LASSO、随机森林等方法估计倾向得分2.构造正交化残差进行外生性检验3.

优势：可处理非线性关系，降低模型设定偏误

（（二二））基基于于排排他他性性约约束束的的敏敏感感性性分分析析

1.Conley检验：允许工具变量存在有限程度的外生性违背设定$\gamma$参数表示外生性偏离程度构建置信区间随

$\gamma$变化的敏感性曲线

2.Placebo检验：将工具变量作用于理论上不应受影响的群体若发现显著效应，则推翻外生性假设

（（三三））结结构构方方程程模模型型的的验验证证

1.构建包含多个方程的结构模型

2.利用模型参数间的约束关系进行外生性检验

3.需要较强的理论支撑和模型识别条件

四四、、外外生生性性检检验验的的实实践践挑挑战战与与应应对对策策略略

（（一一））不不可可观观测测异异质质性性的的干干扰扰

问题本质：无法直接观测的混淆变量可能同时影响工具变量和结果变量决方法：寻找自然实验场景（如政策冲击、地理变

异）采用双重差分（DID）与IV的结合框架进行证伪检验：检验工具变量与事前结果的相关性

（（二二））弱弱工工具具变变量量偏偏误误

影响机制：弱工具变量会放大外生性假设的微小偏离诊断方法：第一阶段F统计量（需大于10）Stock-Yogo弱工具检验临界

值改进方案：使用LIML估计代替2SLS采用更多信息的高阶矩估计

（（三三））多多重重假假设设检检验验问问题题

风险来源：多个工具变量检验导致I类错误膨胀校正方法：Bonferroni校正错误发现率（FD）控制预注册分析计划

五五、、应应用用案案例例与与典典型型误误区区