工具变量法的过度识别检验流程.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流流程程分分析析

一一、、工工具具变变量量法法的的基基本本原原理理与与识识别别问问题题

（（一一））工工具具变变量量法法的的核核心心逻逻

工具变量法（InstrumentalVariables，IV）是解决计量经济学模型中内生性问题的重要方法。其核心在于通过寻找满足特定条

件的工具变量，构建与误差项无关的估计量。工具变量需要满足两个基本条件：一是与内生解释变量高度相关（相关性条

件），二是与误差项不相关（外生性条件）。这两个条件的确立为后续的统计推断奠定了理论基础。

（（二二））识识别别问问题题的的类类型型划划分分

在工具变量应用中，识别问题可分为恰好识别（exactidentification）和过度识别（over-identification）两种状态。当工具变量

数量等于内生解释变量数量时属于恰好识别情形，此时模型参数可被唯一确定。而当工具变量数量多于内生解释变量时，则进

入过度识别状态。这种状态下需要对工具变量的有效性进行严格检验，这正是过度识别检验存在的必要性。

（（三三））过过度度识识别别问问题题的的实实质质含含义义

过度识别本质上反映了模型设定中存在冗余信息。额外的工具变量虽然可以提高估计效率，但也可能引入新的偏误风险。这种

矛盾状态要求研究者必须通过统计检验手段验证多余工具变量的外生性假设是否成立。只有当所有工具变量均满足外生性要求

时，过度识别情形下的估计结果才具有可靠性。

二二、、过过度度识识别别检检验验的的理理论论基基础础

（（一一））检检验验的的统统计计思思想想溯溯源源

过度识别检验的数学基础可以追溯到概率极限理论中的矩条件约束。当工具变量数量K大于待估参数数量L时，系统存在K-L个

过度识别约束条件。检验的实质是评估这些额外的矩条件是否在统计意义上与数据相容。这种相容性检验通过构建适当的统计

量来实现。

（（二二））关关键键假假设设的的数数学学表表达达

在正式推导检验统计量前，需要明确模型的基本设定。考虑线性模型Y=Xβ+ε，其中X包含内生变量。设工具变量矩阵Z满足

EZε)=0的矩条件。当工具变量数量超过内生变量时，这一条件系统存在冗余，过度识别检验即是对冗余条件是否成立的联合

检验。

（（三三））检检验验统统计计量量的的构构建建原原理理

最常用的过度识别检验统计量构建遵循以下路径：首先获得参数估计量，然后计算样本矩条件的实现值，最后通过二次型构造

检验统计量。该统计量在工具变量外生性假设成立时服从特定的渐近分布，这为假设检验提供了理论依据。

三三、、过过度度识识别别检检验验的的具具体体实实施施流流程程

（（一一））前前期期模模型型设设定定阶阶段段

1.工具变量选择与验证在进行检验前，需要完成工具变量的初步筛选。首先通过第一阶段回归验证工具变量与内生变量的

相关性，计算F统计量评估弱工具变量问题。同时进行过度识别检验的预分析，排除明显违反外生性假定的工具变量。

2.模型形式设定检验检查模型是否满足线性设定假定，必要时进行Box-Cox变换等非线性处理。对于面板数据模型，还需

要预先确定固定效应或随机效应的适用性。这些步骤虽不直接属于过度识别检验，但影响后续检验的有效性。

（（二二））检检验验统统计计量量计计算算阶阶段段

1.两阶段最小二乘估计首先采用两阶段最小二乘法（2SLS）获得参数估计量。这一步骤同时产生残差序列，这些残差将

用于后续矩条件的计算。需要注意的是，当存在异方差时，需要采用更稳健的估计方法。

2.样本矩条件计算基于工具变量矩阵Z和残差向量e，计算样本矩条件m=Ze/n。在恰好识别情况下，这个向量理论上应为

零向量。但在过度识别情况下，需要通过统计检验判断其偏离程度是否在随机误差允许范围内。

3.统计量构造构造Sargan统计量或HansensJ统计量。Sargan统计量形式为S=êZZZ)^{-1}Zê/σ²，在经典假设下服从χ²分

布。HansensJ统计量则采用更稳健的加权矩阵，形式为J=êZZΩZ)^{-1}Zê，其中Ω为方差-协方差矩阵的估计量。

（（三三））假假设设检检验验执执行行阶阶段段

1.原假设与备择假设设定原假设H0：所有工具变量均外生（即过度识别约束成立）备择假设H1：至少存在一个工具变量

不满足外生性要求

2.显著性水平选择根据研究领域惯例，通常选择5%或1%的显著性水平。在存在多重检验问题时，可考虑Bonferroni校正

等方法调整临界值。