工具变量法在因果推断中的应用.pdfVIP

工工具具变变量量法法在在因因果果推推断断中中的的应应用用

一一、、工工具具变变量量法法的的基基本本概概念念与与原原理理

（（一一））工工具具变变量量法法的的定定义义与与核核心心思思想想

工具变量法（InstrumentalVariable,IV）统计学和计量经济学中解决因果推断问题的重要方法，其核心在于通过引入外生变

量（工具变量）来消除模型中的内生性问题。在观察性研究中，由于混杂因素、测量误差或双向因果关系的存在，直接估计自

变量对因变量的因果效应往往存在偏差。工具变量法的提出，正为了在无法进行随机对照实验的条件下，尽可能接近因果关

系的真实估计。

工具变量的核心思想可概括为“借力打力”。通过寻找一个与自变量相关但与误差项无关的变量（工具变量），利用这一变量作

为“桥梁”，间接估计自变量对因变量的因果效应。这一方法依赖于工具变量需满足的三个关键条件：相关性、排他性以及排除

性约束。

（（二二））工工具具变变量量的的关关键键条条件件

1.相关性条件：工具变量必须与内生解释变量存在显著相关性。这一条件确保工具变量能够有效替代内生变量参与模型估

计。

2.排他性条件：工具变量只能通过影响内生解释变量来作用于因变量，而不能通过其他路径直接影响结果变量。这一条件

排除了工具变量与误差项之间的关联。

3.排除性约束：工具变量对因变量的影响完全由内生解释变量中介，不存在直接效应或通过其他未观测变量的间接效应。

若上述任一条件不满足，工具变量法的估计结果将存在偏误。例如，当工具变量与误差项存在关联时（违反排他性条件），估

计量将包含额外的混杂效应；若工具变量与内生变量相关性较弱（弱工具变量问题），则会导致估计方差过大甚至方向性错

误。

二二、、工工具具变变量量法法的的实实施施步步骤骤与与统统计计方方法法

（（一一））工工具具变变量量的的选选择择与与验验证证

1.理论驱动下的变量筛选：工具变量的选择需基于领域知识。例如，在研究教育年限对收入的影响时，Angrist和

Krueger（1991）使用出生季度作为工具变量，因为美国法律规定年满16岁方可辍学，而出生季度影响受教育年限但与

个人能力无关。

2.统计检验方法：

过度识别检验：当存在多个工具变量时，可通过HansenJ检验或Sargan检验验证工具变量的外生性。若检验拒绝原假

设，则表明至少有一个工具变量不满足排他性条件。

弱工具变量检验：通过Cragg-onaldF统计量或Stock-Yogo临界值判断工具变量与内生变量的相关性强度。一般认为F

统计量大于10时可避免弱工具变量问题。

（（二二））参参数数估估计计方方法法

1.两阶段最小二乘法（2SLS）：

第一阶段：将内生变量对工具变量进行回归，得到预测值。

第二阶段：将因变量对第一阶段预测值进行回归，得到因果效应估计量。

该方法直观易行，但需注意标准误的修正（如使用异方差稳健标准误）。

2.广义矩估计（GMM）：

通过构造矩条件（如工具变量与残差正交）进行估计，适用于存在异方差或非线性关系的场景。相较于2SLS，GMM在

工具变量较多时更具灵活性。

3.有限信息最大似然法（LIML）：

尤其适用于弱工具变量场景，通过最大化似然函数获得估计量，其在小样本条件下表现优于2SLS。

三三、、工工具具变变量量法法的的典典型型应应用用场场景景

（（一一））经经济济学学中中的的因因果果推推断断

1.教育回报率估计：

Card（1995）利用美国各州大学分布密度作为工具变量，研究发现每增加一年教育可使收入提高7%-10%，解决了能力

偏差问题。

2.政策效果评估：

在评估最低工资政策对就业的影响时，研究者常使用邻近地区的工资水平作为工具变量，以控制当地劳动力市场的内生

性特征。

（（二二））医医学学与与公公共共卫卫生生研研究究

1.观察性研究中的药物疗效分析：

例如，在研究他汀类药物对心血管疾病的影响时，患者用药行为可能受健康意识干扰。此时可采用医生处方偏好作为工

具变量，因其与患者健康状况无关但影响用药选择。

2.基因工具变量（孟德尔随机化）：

利用基因型作为工具变量研究生活习惯与疾病的关系。例如，ALH2基因变异与饮酒行为强相关，但与心血管疾病风险

无直接关联，可作为研究饮酒