教程 · 2026-06-24

工具变量回归（2SLS）用 AI 一句话完成 — 内生性检验、弱 IV 诊断、过度识别全攻略

工具变量回归（IV/2SLS）完整教程：用 AI 一句话完成两阶段最小二乘，自动输出弱工具变量 F 检验（Staiger-Stock / Stock-Yogo 阈值）、Hausman 内生性检验、Sargan-Hansen 过度识别检验，并给出符合 APA 7th 格式的论文报告模板。

OLS 系数被内生性偏倚？导师问"弱工具变量 F 值多少"——这篇文章教你用 AI 一句话跑完 2SLS 全套流程：Hausman 检验、弱 IV F 统计量（Stock-Yogo 临界值）、Sargan-Hansen 过度识别检验，60 秒齐。

为什么 OLS 系数不可信——内生性问题

在社会科学、经济学和公共卫生研究里，最常见的因果推断陷阱就是内生性（Endogeneity）。出现以下任一情形，OLS 估计量就有偏且不一致：

遗漏变量偏倚（Omitted Variable Bias）：无法观测的混杂因素同时影响自变量和因变量
逆向因果（Reverse Causality）：X 影响 Y，但 Y 也影响 X（双向因果）
测量误差（Measurement Error）：自变量存在经典测量误差时，OLS 估计量向零偏倚（衰减偏倚）

典型例子：

教育年限对收入的因果效应（更聪明的人既受教育更多也赚得更多——遗漏变量：先天能力）
医疗支出对健康结局的效应（病情越重医疗支出越高——逆向因果）
广告投入对销售额的影响（企业在预期销售好时加大广告——逆向因果）

**工具变量（Instrumental Variable，IV）**正是解决内生性的标准工具：找到一个仅通过内生变量影响结局的外生变量，用它"净化"内生变量中的内生成分，从而还原无偏的因果系数。

chatsrs.com 把从内生性检验到最终 2SLS 报告的全部流程压到一句话。

工具变量的两个核心条件

一个好的工具变量必须同时满足：

条件	技术名称	含义	如何检验
相关性（Relevance）	工具强度	IV 与内生变量显著相关	第一阶段 F 统计量 > 10（弱 IV 诊断）
外生性（Exogeneity）	排他性限制	IV 仅通过内生变量影响因变量，与误差项无关	过度识别检验（仅当工具数 > 内生变量数时可检验）

相关性可以通过数据检验；外生性在恰好识别（工具数 = 内生变量数）时无法被数据检验，只能依赖研究设计与理论论证。

两阶段最小二乘（2SLS）的原理

2SLS 将估计分为两步：

第一阶段：用工具变量（和外生控制变量）对内生变量回归，得到内生变量的拟合值

X_hat = pi_0 + pi_1 * Z + pi_2 * W + v

其中 Z 是工具变量，W 是外生控制变量，X_hat 是净化后的内生变量（已去除内生成分）。

第二阶段：用 X_hat 替代原始 X 代入结构方程

Y = beta_0 + beta_1 * X_hat + beta_2 * W + epsilon

beta_1 即为内生性校正后的因果效应估计量，也称局部平均处理效应（Local Average Treatment Effect，LATE）（在 Angrist & Imbens 框架下，对"顺从者"的 ATE）。

与 OLS 的本质区别：OLS 最小化 Y 与 X 之间的残差平方和；2SLS 则先用工具净化 X，再做回归，代价是标准误变大（效率损失），换来的是无偏性。因此，2SLS 系数的置信区间通常宽于对应的 OLS 结果——这不是问题，而是诚实估计的代价。

案例数据：义务教育年限对劳动收入的因果效应

研究背景

复刻 Angrist & Krueger（1991）经典设计的简化版本：用出生季度（Q1/Q2/Q3/Q4）作为受教育年限的工具变量。

内生变量（X）：受教育年限（educ，年）
因变量（Y）：对数月收入（log_wage）
工具变量（Z）：出生季度虚拟变量（birth_q2、birth_q3、birth_q4，以 Q1 为参照）
控制变量（W）：工作经验（exper）、经验平方（exper_sq）、婚姻状况（married）、居住地区（region 虚拟变量）

识别逻辑：义务教育法规定年满 16 岁方可辍学。Q1 出生者（1 月~~3 月）恰好在 16 岁后入读高年级，法律约束较弱，辍学率更高，受教育年限更短；Q4 出生者（10 月~~12 月）在 16 岁时仍在高一，受法律约束更强，平均多读数月。出生季度影响收入仅通过教育年限，本身与个人能力无关——满足排他性。

数据共 3,010 名 25-65 岁男性，来自虚拟化的美国人口调查微数据。

用 AI 一句话完成 2SLS

在登录 ChatSRS并上传数据后输入：

"以 log_wage 为因变量，educ 为内生变量（自变量），birth_q2、birth_q3、birth_q4 为工具变量，exper、exper_sq、married 以及 region 虚拟变量为外生控制变量，做两阶段最小二乘（2SLS）工具变量回归。请输出：

OLS 和 2SLS 系数对比表（含 beta、SE、t/z、p、95% CI）

第一阶段回归结果（F 统计量 + Stock-Yogo 弱 IV 临界值对比）

Hausman 内生性检验（原假设：educ 外生）

Sargan-Hansen 过度识别检验（J 统计量 + p 值）

APA 格式中文文字描述"

60 秒后，ChatSRS 完整输出以下五部分结果。

输出结果怎么读

输出 1: OLS vs 2SLS 系数对比

表 1  教育年限对对数月收入影响的 OLS 与 2SLS 估计对比（N = 3,010）

                        OLS                     2SLS
变量              beta    SE      p         beta    SE      p
受教育年限（年）  0.062   0.003   <.001     0.089   0.021   <.001
工作经验（年）    0.041   0.004   <.001     0.039   0.005   <.001
经验平方（/100）  -0.051  0.007   <.001     -0.048  0.008   <.001
婚姻（已婚）      0.213   0.018   <.001     0.198   0.020   <.001
截距              4.562   0.074   <.001     4.431   0.112   <.001

注：region 虚拟变量系数省略。OLS R^2 = .267；2SLS 为过度识别（3 工具，df=2），与 LIML 仅在恰好识别时等价，此处为标准 2SLS 估计。
   * p < .05，** p < .01，*** p < .001

解读要点：

OLS 教育年限系数 beta = 0.062，意味着多受 1 年教育，月收入提高约 6.2%（OLS，未纠正内生性）
2SLS 系数 beta = 0.089，提示 OLS 低估了约 30%（衰减偏倚 + 遗漏能力变量导致的向下偏倚）
2SLS 标准误（SE = 0.021）远大于 OLS（SE = 0.003），这是 IV 估计效率损失的正常体现
后续 Hausman 检验将告诉我们这个差异是否在统计上显著

输出 2: 第一阶段 F 检验（弱 IV 诊断）

第一阶段回归：因变量 = educ（受教育年限）

工具变量                 beta    SE      t       p
birth_q2（vs Q1）        0.128   0.061   2.10    .036 *
birth_q3（vs Q1）        0.161   0.059   2.73    .006 **
birth_q4（vs Q1）        0.192   0.058   3.31    .001 ***

第一阶段联合 F 统计量（工具变量联合显著性）：
  F(3, 2998) = 13.27，p < .001

Stock-Yogo 弱 IV 临界值（3 个工具，OLS 相对偏倚 <= 10%）：
  临界值 F = 13.91（10% 偏倚水平）
  临界值 F = 9.08（15% 偏倚水平）
  临界值 F = 6.46（20% 偏倚水平）

结论：F = 13.27，超过 15% 偏倚临界值（9.08），未达 10% 偏倚临界值（13.91）。
      按传统 Staiger-Stock（1997）F > 10 经验法则，工具强度勉强达标；
      建议报告 Stock-Yogo 临界值并作坦诚讨论。

核心概念详解——弱工具变量诊断：

弱工具变量（Weak Instruments）问题是 IV 估计中最常见的陷阱。当工具与内生变量的相关性不足时：

如果你已经跑出结果，但不知道“不显著”发生在第一阶段、第二阶段还是内生性检验，请先看工具变量不显著怎么办：四步诊断，再决定该报告什么、还缺什么证据。

2SLS 系数向 OLS 偏倚，无法有效纠正内生性
置信区间覆盖率下降，t 检验失效
F 统计量的常用诊断标准有两套：

标准	来源	临界值	适用场景
Staiger-Stock 经验法则	Staiger & Stock (1997)	F > 10	恰好识别（1 个工具 vs 1 个内生变量）的简便判断
Stock-Yogo 精确临界值	Stock & Yogo (2005)	随工具数和偏倚容忍度变化	过度识别场景，需查表

ChatSRS 说明：软件同时输出两套标准的结果，当两套结论存在分歧时（如本例），报告中应明确使用哪套标准并说明理由。AER、RESTAT 等顶刊现普遍要求使用 Stock-Yogo 精确临界值。

输出 3: Hausman 内生性检验

Hausman 内生性检验

原假设 H0：educ 外生（OLS 与 2SLS 无显著差异）
备择假设 H1：educ 内生（2SLS 系数与 OLS 系数存在显著差异）

Wu-Hausman F 检验：F(1, 2998) = 4.83，p = .028
Durbin-Wu-Hausman chi-squared 检验：chi-squared(1) = 4.81，p = .028

结论：p = .028 < .05，拒绝 H0，educ 存在显著内生性。2SLS 优于 OLS。

怎么读：

Hausman 检验通过比较 OLS 和 2SLS 系数的差异来判断内生性是否显著：

p > .05：不能拒绝外生性，OLS 可行（更有效率）
p < .05：拒绝外生性，存在内生性，应使用 2SLS

本例 p = .028，统计显著，证实 educ 存在内生性，2SLS 是必要的。

重要提示：Hausman 检验本身也依赖工具变量的外生性假设。若工具本身不外生，Hausman 检验无效。因此，工具外生性的理论论证先于检验本身。

输出 4: Sargan-Hansen 过度识别检验

Sargan-Hansen 过度识别检验（J 检验）

原假设 H0：所有工具变量均外生（排他性限制成立）
备择假设 H1：至少一个工具变量不外生

工具数：3（birth_q2, birth_q3, birth_q4）
内生变量数：1（educ）
过度识别约束数：3 - 1 = 2

J 统计量：3.18，df = 2，p = .204

结论：p = .204 > .05，不能拒绝 H0。
     在统计意义上，3 个工具变量的排他性限制不被数据拒绝。

怎么读：

过度识别检验（Overidentification Test）仅在工具变量数 > 内生变量数时可执行。它检验的是：多余的工具变量是否与结构方程的残差不相关——若相关，说明至少有一个工具不满足排他性。

结果	含义
p > .05（不能拒绝 H0）	数据不拒绝所有工具外生，工具有效性获得统计支持
p < .05（拒绝 H0）	至少一个工具可能违反排他性，需重新审视识别策略

关键局限性：过度识别检验无法检验恰好识别（exactly identified）情形——当工具数 = 内生变量数时，J 统计量不存在，工具外生性仅能靠理论和研究设计论证，无法被数据证伪。

论文里怎么报告（APA 7th 格式）

方法节写法

为检验受教育年限（educ）对对数月收入（log_wage）的因果效应并纠正潜在内生性，采用两阶段最小二乘估计（Two-Stage Least Squares，2SLS）。以出生季度虚拟变量（birth_q2、birth_q3、birth_q4，以第一季度为参照）作为工具变量，参照 Angrist 与 Krueger（1991）的识别策略。工作经验、经验平方、婚姻状态及地区虚拟变量作为外生控制变量纳入两阶段。弱工具变量诊断依据 Stock 与 Yogo（2005）提供的精确临界值。内生性检验采用 Wu-Hausman 检验，过度识别检验采用 Sargan-Hansen J 检验。统计分析以 R 4.4（ivreg 包）实施，检验水准 alpha = .05（双尾）。

结果节写法

第一阶段回归显示，出生季度工具变量对受教育年限具有显著联合预测力，F(3, 2998) = 13.27, p < .001。依据 Stock 与 Yogo（2005）标准，F 统计量超过 15% 最大偏倚水平对应的临界值（9.08），但略低于 10% 偏倚临界值（13.91），提示工具具有中等强度，分析结果宜谨慎解读。

Wu-Hausman 内生性检验结果显示，受教育年限存在显著内生性，F(1, 2998) = 4.83, p = .028，支持使用 2SLS 估计。Sargan-Hansen 过度识别检验表明所有工具变量的排他性约束不被数据拒绝，J(2) = 3.18, p = .204。

2SLS 估计结果显示，在控制工作经验、婚姻状态和地区的条件下，受教育年限对对数月收入具有显著正向因果效应，beta = 0.089, SE = 0.021, z = 4.24, p < .001, 95% CI [0.048, 0.130]，即教育年限每增加 1 年，月收入提升约 8.9%（指数化后）。OLS 对应系数为 beta = 0.062, SE = 0.003, p < .001，2SLS 系数约高出 OLS 43.5%，与内生性导致 OLS 衰减偏倚的预期方向一致。

报告格式规范总结

要素	APA 格式示例
第一阶段 F	F(3, 2998) = 13.27, p < .001
Wu-Hausman 检验	F(1, 2998) = 4.83, p = .028
Sargan-Hansen J	J(2) = 3.18, p = .204
2SLS 系数	beta = 0.089, SE = 0.021, 95% CI [0.048, 0.130]
z 统计量	z = 4.24, p < .001
Stock-Yogo 临界值引用	Stock & Yogo (2005)

APA 细节提醒：

p 值小数点前不加 0（写 p = .028，不写 p = 0.028）

95% CI 用方括号 [ ]

2SLS 系数对应的检验统计量是 z（大样本渐进正态），而非 t

引用 Staiger & Stock（1997）或 Stock & Yogo（2005）时需进参考文献列表

常见问题 FAQ

Q1：F > 10 一定说明工具足够强吗？

A：F > 10 是 Staiger 与 Stock（1997）针对单一工具、恰好识别情形提出的经验法则，其对应的 OLS 相对偏倚上限约为 10%。当工具变量数量增加（过度识别），或对偏倚容忍度更严格时，应使用 Stock 与 Yogo（2005）提供的精确临界值表——临界值会随工具数和偏倚容忍水平变化。例如，3 个工具、10% 偏倚水平的临界值为 13.91，高于传统的 10。ChatSRS 同时输出两套标准并给出比对结论，无需手动查表。

Q2：Hausman 检验通过（p > .05）还需要汇报 2SLS 吗？

A：若 Hausman 检验不显著（不能拒绝外生性假设，即 H0：变量外生），OLS 在效率上优于 2SLS，通常以 OLS 为主要报告结果。但在以下情形仍建议同时报告 2SLS 作为稳健性检验：(1) 研究问题具有强烈的内生性先验（如随机对照难以实现的因果问题）；(2) 样本量有限导致 Hausman 检验功效不足；(3) 期刊审稿人或领域规范要求汇报工具变量估计。ChatSRS 可在同一指令中同时输出 OLS + 2SLS 对比表，方便按需选择报告口径。

Q3：恰好识别（1 个工具 vs 1 个内生变量）时，过度识别检验为什么做不了？

A：Sargan-Hansen J 检验的原理是用"多余的"工具变量来检验整体工具集的外生性——即将过度识别的约束数（工具数 - 内生变量数）作为检验的自由度。当两者数量相等时，约束数为 0，J 统计量不存在。此时工具的外生性无法被数据证伪，只能通过以下途径提供证据：(1) 理论论证识别策略的合理性；(2) 引用已有文献中对同类工具的外生性论证；(3) 进行敏感性分析（如 Andrews, Gentzkow & Shapiro 2017 的局部外生性检验）。

Q4：2SLS 系数比 OLS 大，一定说明 OLS 是向下偏倚的吗？

A：不一定。2SLS 与 OLS 的差异方向取决于内生性的来源。遗漏正向能力变量（如"聪明"对教育和收入均有正向影响）会导致 OLS 高估 beta（正向混杂偏倚）；测量误差（经典衰减偏倚）和逆向因果（如重病者医疗支出高但健康差）则可能导致 OLS 低估 beta。在教育年限案例中，学界普遍认为 OLS 同时存在向上偏倚（能力偏倚）和向下偏倚（测量误差），净效应方向取决于哪种机制占主导，需结合研究背景判断，不可机械套用。

Q5：工具变量估计的 LATE 和 ATE 有什么区别？

A：在 Angrist 与 Imbens（1994）潜在结果框架下，IV 在异质性处理效应情形下识别的是局部平均处理效应（LATE，Local Average Treatment Effect），即针对"顺从者（Compliers）"——那些因工具变量取值而改变处理状态的个体——的平均因果效应。LATE 不等于整体平均处理效应（ATE），也不等于处理组平均处理效应（ATT）。报告时需注意：2SLS 的外推范围仅限于顺从者群体，在报告结论时应回避"所有人的教育回报为 X%"的绝对表述，应说明"在受出生季度法律约束影响教育年限的群体中"。

小结

工具变量回归（IV/2SLS）是处理内生性问题的计量经济学标准方案，实施难点集中在三处：

工具强度诊断不能只看 F > 10——应同时对照 Stock-Yogo 精确临界值，并说明采用哪套标准
内生性检验 + 过度识别检验缺一不可——Hausman 确认用 2SLS 的必要性，Sargan-Hansen 验证工具外生性（过度识别情形）
APA 报告须同时呈现 OLS 与 2SLS 对比——让读者看到内生性纠正带来的系数变化，并正确书写 z 统计量和 CI 的括号格式

chatsrs.com 把全部流程压到一句话，三引擎（SPSS + R + Stata）自动输出第一阶段 F 检验、Hausman 检验、Sargan-Hansen 检验、两阶段系数对比三线表，并生成可直接贴进论文的 APA 7th 中文描述。