两阶段回归TSLS结果解读：工具变量回归分析.docxVIP

一、方法介绍

两阶段最小二乘回归（Two-StageLeastSquares,TSLS）是处理内生性问题的经典工具变量方法。当模型中存在内生解释变量（与误差项相关）时，普通最小二乘回归（OLS）的估计量会产生偏误和不一致性。TSLS通过引入工具变量来解决这一问题。工具变量需满足两个条件：与内生变量高度相关，且与误差项不相关。TSLS分为两个阶段：第一阶段将内生变量对工具变量和外生变量进行回归，得到预测值；第二阶段将被解释变量对第一阶段的预测值和外生变量进行回归，得到一致的参数估计。本研究使用SPSSAU软件进行两阶段最小二乘回归分析。

在SPSSAU【计量经济研究】模块选择【两阶段回归TSLS】，将变量拖拽至右侧对应分析框，操作如下图：

二、变量说明与模型构建

本研究构建两阶段最小二乘回归模型，变量设置如下：被解释变量为Ln工资；内生变量为受教育年限；工具变量为母亲受教育年限和成绩；外生变量为是否大城市（1为大城市）和当前单位工作年限。模型通过两个阶段的回归过程，消除受教育年限可能存在的内生性偏误，得到一致的参数估计。

三、第二阶段回归结果分析

表2展示了第二阶段TSLS回归的完整结果。模型样本量为758，R方值为0.287，调整R方值为0.284，表明受教育年限、是否大城市和当前单位工作年限可以解释Ln工资28.7%的变异。Wald卡方检验结果为Chi2(3)=175.03