工具变量的选取标准：相关性与外生性怎么论证

工具变量的选取标准有三条：与内生变量相关，这一条可以检验；对结果只通过内生变量起作用，这一条无法检验，只能论证；工具的个数不少于内生变量的个数。个数只是阶条件，还需工具提供足够的独立相关信息，并对误差外生性与排除渠道分别论证。本站「两阶段回归」会把可检验的部分在第一张卡里逐项列出。

很多人选工具时只看相关性，一阶段 F 很大就觉得万事大吉；或者看到 Sargan 通过，就认为工具一定外生。下面按照现象、原因、解决步骤和确认判据说明。

选工具变量时常见的现象

第一种现象是随手挑了一个与内生变量相关的变量当工具，却写不出它为什么只能通过内生变量影响结果。第二种是一阶段 F 很大，就默认工具没有问题。第三种是 Sargan 检验通过，就把它当成工具外生的证明。这三种做法的共同问题，是把可检验的那一部分当成了全部，而真正决定结论的外生性，恰恰是数据说明不了的。以下结果来自本站演示数据（模拟生成，不代表真实研究结论）：本例从 300 行中随机抽取 255 行（随机种子 25），用地区产业政策强度指数和行业财政补贴强度作为资本投入(对数)的两个工具。

工具变量相关性与外生性的区别

• 相关性：排除性工具要能解释内生自变量中尚未由控制变量解释的部分；联合 F 与 partial R² 从不同角度描述这一点。
• 排除渠道：相关性再强，也可能同时存在工具直接关联结果的通道，需要解释为何在研究设计中可以排除。
• 误差外生性：工具还需与结构误差不相关，遗漏的共同因素可能破坏这一条件。
• 过度识别诊断：Sargan 在额外限制下检验矩条件的相容性；拒绝提示设定问题，未拒绝仍保留无法排除共同无效性的边界。

解决步骤

1. 先用文字写出工具影响结果的渠道，这个渠道只能是内生变量，并说明为什么不会直接影响结果。
2. 跑「两阶段回归」，看第一阶段 F 与 partial R²，确认相关性。
3. 过度识别时再看 Sargan 检验，把它当作必要条件而不是证明；找不到能论证的工具，就不要用工具变量。

完成渠道说明后再解释估计。分析和查看结果不用登录；开通会员后可导出 Word / PDF 报告、使用 AI 解读。

怎么确认工具变量的选取标准逐条核对了

• 相关性：本例第一阶段 F 与 partial R² 见前文，本例按报告经验参考提示较强；经验线不构成工具有效的充分条件。
• 必要条件：Sargan 检验 χ²(1)=0.516，p=0.473，未发现工具无效的证据。
• 结论的方向：资本投入的 OLS 系数为 1.1398，2SLS 系数为 1.0309，95% 置信区间 [0.9793, 1.0824]；Wu-Hausman 检验 F(1, 251)=414.521，p<0.001，在工具及模型前提下拒绝解释变量外生的限制。
• 外生性：只能论证，要在论文里写出工具如何只通过资本投入影响产出。

效应存在异质性时，工具的变化可能改变被识别的对象。局部平均效应解释还需要适当处理变量与工具设计、单调性等额外条件，无法把任意连续工具的 2SLS 系数直接称为某一批个体的平均效应。

还应区分研究设计的论证与样本内诊断。下图列出三类可保留材料，说明每一类材料的作用边界；统计表中暂未出现警示，无法补足对数据产生渠道的解释。

论文里怎么交代工具变量

可以照这个结构写，数字换成自己的结果：

本文以地区产业政策强度指数和行业财政补贴强度作为资本投入的工具变量。相关性方面，第一阶段联合 F 为 961.309（p<0.001，partial R²=0.8829）。外生性方面，（此处由作者写出两个工具只通过资本投入影响产出的渠道与理由）；过度识别检验 χ²(1)=0.516（p=0.473），未发现工具无效的证据。资本投入的 2SLS 系数为 1.0309，OLS 为 1.1398。

作者应把渠道依据与回归证据分开写。外生性论证需要研究背景，报告没有替研究者排除全部可能的其他渠道。

找不到能论证的工具时

报告把排除性约束登记为无法由数据检验，所以找不到能写出理由的工具时，应放弃工具变量。随手挑一个相关变量，比不做更糟：老实用「线性回归 (最小二乘法)」说清关联，并写明内生性风险。

延伸阅读

• 两阶段回归