工具变量法解决因果推断中的内生性问题.docxVIP

工具变量法解决因果推断中的内生性问题

一、引言：因果推断与内生性难题的提出

（一）因果推断的核心地位

在社会科学、经济学、公共卫生等诸多领域，实证研究的核心目标逐渐从揭示变量间的相关性转向识别真实的因果关系。相较于相关性仅能说明变量变化的伴随关系，因果关系能够回答“某一因素是否真的导致了另一结果的变化”，这为政策制定、实践决策提供了直接依据。例如，在教育政策研究中，明确“教育年限增加是否会显著提高个人收入”，能为政府制定义务教育延长政策提供科学支撑；在公共卫生领域，确定“疫苗接种是否能有效降低疾病发病率”，是推动疫苗普及的关键前提。近年来，随着因果推断理论的不断发展，越来越多的学者认识到，准确识别因果关系是提升实证研究质量的核心环节（安格里斯特、皮施克，2014）。

（二）内生性：因果推断的关键阻碍

然而，在实际研究中，内生性问题始终是阻碍准确因果识别的“拦路虎”。所谓内生性，简单来说就是用于解释被解释变量变化的核心自变量（即处理变量）与模型的误差项存在相关性，这会导致普通最小二乘估计结果出现偏差且无法通过增大样本量来消除，最终得到的结论可能只是虚假的相关性而非真实的因果关系。例如，在研究“企业研发投入对盈利能力的影响”时，企业的盈利能力不仅受研发投入的影响，还可能受企业自身的管理水平、市场环境等未被纳入模型的因素影响，而这些因素又可能与研发投入相关——管理水平更高的企业往往更愿意