Stata实操：用丈夫和母亲的学历做工具变量，搞定内生性问题（附完整代码）

Stata实战：工具变量法解决内生性问题的完整操作指南

当我们在计量经济学研究中遇到内生性问题时，工具变量法(IV)是一种强有力的解决方案。本文将以已婚女性工资数据为例，手把手教你如何使用Stata完成从数据准备到结果解读的全过程，特别聚焦于如何利用丈夫和母亲的学历作为工具变量。

1. 准备工作：数据导入与初步分析

在开始正式分析前，我们需要确保数据已经正确导入并进行了初步检查。假设我们使用的是伍德里奇《计量经济学导论》中的女性工资数据，以下是第一步操作：

use "female_wage.dta", clear // 导入数据集 describe // 查看变量概览 summarize // 获取描述性统计

关键变量包括：

• lwage：工资水平的对数（被解释变量）
• educ：女性受教育年限（核心解释变量）
• huseduc：丈夫的受教育年限（工具变量候选）
• motheduc：母亲的受教育年限（工具变量候选）

提示：在实际操作前，务必检查数据是否存在缺失值。若有缺失，可使用misstable summarize命令快速识别。

描述性统计结果可能如下表所示：

2. 初步OLS回归与内生性诊断

我们先进行简单的OLS回归，建立基准模型：

reg lwage educ

典型输出结果可能显示教育回报率约为10.9%，且在1%水平上显著。然而，这个估计可能存在偏误，因为：

• 能力偏差：更聪明的人可能获得更高教育和更高工资
• 家庭背景：富裕家庭可能同时影响教育获得和职业发展

内生性问题的直观表现：

1. OLS估计量不再无偏
2. 教育变量系数可能被高估
3. 标准误计算不准确

3. 工具变量选择与验证

选择丈夫和母亲的学历作为工具变量，需要验证其合理性：

corr educ huseduc motheduc // 检查相关性

理想情况下，工具变量应满足：

• 相关性：与内生变量(educ)高度相关
• 外生性：与误差项不相关（无法直接检验）

丈夫和母亲的学历通常是不错的选择，因为：

• 配偶教育水平常与本人教育相关（同质性婚配）
• 母亲教育影响子女教育但不太直接影响子女工资
• 这两个变量理论上与个人能力无关

4. 两阶段最小二乘法(2SLS)实现

Stata提供了便捷的ivregress命令实现2SLS：

ivregress 2sls lwage (educ = huseduc motheduc), first

关键参数解释：

• 2sls：指定使用两阶段最小二乘法
• first：显示第一阶段的回归结果

结果解读要点：

1. 第一阶段F统计量应大于10（弱工具变量检验）
2. 教育系数反映"干净"的教育回报率
3. 与OLS结果比较看偏差方向

5. 关键检验：豪斯曼与过度识别

5.1 豪斯曼检验（内生性检验）

检验educ是否确实为内生变量：

estimates store ols // 保存OLS结果 ivregress 2sls lwage (educ = huseduc motheduc) estimates store iv // 保存IV结果 hausman iv ols, constant sigmamore

结果解读：

• 若p值<0.05，拒绝原假设，认为存在内生性
• 说明OLS估计不一致，需要使用IV方法

5.2 过度识别检验（工具变量外生性）

当工具变量多于内生变量时可以进行此检验：

ivregress 2sls lwage (educ = huseduc motheduc) estat overid

结果解读：

• p值>0.05说明工具变量外生性未被拒绝
• 但不能完全证明外生性，需结合理论判断

6. 结果呈现与报告技巧

规范的实证结果报告应包括以下内容：

1. 描述性统计表：展示主要变量的基本特征
2. OLS与2SLS对比：突出内生性导致的偏差
3. 诊断检验结果：证明工具变量的有效性
4. 系数解释：说明经济意义而非仅统计显著性

示例结果对比表：

7. 常见问题与解决方案

问题1：第一阶段F值太小（<10）

• 可能原因：工具变量弱相关
• 解决方案：寻找更强工具或使用LIML估计

问题2：过度识别检验拒绝原假设

• 可能原因：工具变量不满足外生性
• 解决方案：检查工具变量合理性或寻找替代

问题3：系数符号与理论预期相反

• 可能原因：工具变量直接影响被解释变量
• 解决方案：重新考虑工具变量选择

// 使用LIML处理弱工具变量问题 ivregress liml lwage (educ = huseduc motheduc)

8. 高级技巧与扩展应用

1. 控制其他变量：在模型中加入工作经验等控制变量

   ivregress 2sls lwage exper expersq (educ = huseduc motheduc)

2. 异方差稳健标准误：提高推断准确性

   ivregress 2sls lwage (educ = huseduc motheduc), vce(robust)

3. 多个内生变量处理：当有多个内生变量时

   ivregress 2sls lwage (educ exper = huseduc motheduc age)

在实际项目中，我发现工具变量的选择往往比估计技术更重要。有一次分析教育回报时，尝试了多种工具变量组合，最终发现配偶教育水平和母亲教育年限的组合既满足统计要求，又符合经济理论。