工具变量回归 由来 估计 矩估计(不好) 2SLS (最常用) GMM(异方差自相关);LIML(若IV) 工具变量有效性检验 相关性 F检验; Partial R 2 ,单内生解释变量Minimum eigenvalue statistic,最小特征值统计量,用于多内 生解释变量 外生性 过度识别约束检验 J统计量 (又称Sargan 统计量) 解释变量内生性检验 Hausman 检验 寻找工具变量的方法:几个实例 方法 例子由来经典假设 所有的解释变量X i 与随机误差项彼此 之间不相关。 若解释变量X i 和u i 相关,则OLS估计量是非一致 的,也就是即使当样本容量很大时,OLS估计量 也不会接近回归系数的真值。 造成误差项与回归变量相关(内生性)的原因 很多,但我们主要考虑如下几个方面: 遗漏变量变量 变量有测量误差 双向因果关系。 遗漏变量偏差可采用在多元回归中加入遗漏变量 的方法加以解决,但前提是只有当你有遗漏变量 数据时上述方法才可行。 双向因果关系偏差是指如果有时因果关系是从X 到Y又从Y到X时,此时仅用多元回归无法消除这 一偏差。同样, 变量有测量误差也无法用我们