工具变量的外生性检验方法.docxVIP

工具变量的外生性检验方法

引言

在因果推断研究中，工具变量法是解决内生性问题的重要工具。当解释变量与误差项存在相关性（如遗漏变量、测量误差或反向因果）时，普通最小二乘法会得到有偏的估计结果。工具变量通过引入一个与内生解释变量高度相关，但与误差项无关的变量，为因果关系识别提供了关键支撑。然而，工具变量的有效性依赖于两个核心假设：一是相关性（工具变量与内生解释变量强相关），二是外生性（工具变量与误差项不相关）。其中，外生性假设因无法通过数据直接验证，被称为“不可检验的假设”，但这并不意味着我们可以忽视其检验——实际研究中，必须通过多种方法尽可能逼近对外生性的验证，否则工具变量估计结果可能比普通最小二乘法更不可靠。本文将系统梳理工具变量外生性检验的理论逻辑与具体方法，帮助研究者更严谨地应用这一方法。

一、工具变量外生性的理论基础

（一）外生性假设的内涵与重要性

工具变量的外生性（Exogeneity），通常指工具变量与回归模型中的误差项不相关。更严格地说，工具变量不应通过任何未被模型包含的渠道影响被解释变量，仅能通过内生解释变量这一“唯一路径”起作用。例如，在研究教育对收入的影响时，若以“是否出生在教育资源丰富地区”作为教育年限的工具变量，需确保该地区因素不会通过家庭背景、健康水平等其他途径直接影响收入，否则外生性假设不成立。

外生性假设之所以关键，在于它是工具变量估计量无偏性的核心保障