工具变量法（IV）的Stata操作
Stata操作
工具变量法的难点在于找到一个合适的工具变量并说明其合理性，Stata操作其实相当简单，只需一行命令就可以搞定，我们通常使用的工具变量法的Stata命令主要就是ivregress命令和ivreg2命令。
ivregress命令
ivregress命令是Stata自带的命令，支持两阶段最小二乘（2SLS）、广义矩估计（GMM）和有限信息最大似然估计（LIML）三种工具变量估计方法，我们最常使用的是两阶段最小二乘法（2SLS），因为2SLS最能体现工具变量的实质，并且在球形扰动项的情况下，2SLS是最有效率的工具变量法。
顾名思义，两阶段最小二乘法（2SLS）需要做两个回归：
（1）第一阶段回归：用内生解释变量对工具变量和控制变量回归，得到拟合值。
（2）第二阶段回归：用被解释变量对第一阶段回归的拟合值和控制变量进行回归。
如果要使用2SLS方法，我们只需在ivregress后面加上2sls即可，然后将内生解释变量lnjinshipop和工具变量bprvdist放在一个小括号中，用=号连接。选项first表示报告第一阶段回归结果，选项cluster()表示使用聚类稳健的标准误。
ivregress 2sls lneduyear (lnjinshipop=bprvdist) lnnightlight lncoastdist tri suitability lnpopdensity urbanrates i.provid , first cluster(provid)
第一阶段回归结果
First-stage regressions ----------------------- Number of obs = 274 No. of clusters = 28 F( 7, 239) = 85.27 Prob > F = 0.0000 R-squared = 0.6487 Adj R-squared = 0.5988 Root MSE = 0.4442 ------------------------------------------------------------------------------ | Robust lnjinshipop | Coef. Std. Err. t P>|t| [95% Conf. Interval] -------------+---------------------------------------------------------------- lnnightlight | .183385 .0682506 2.69 0.008 .0489354 .3178346 lncoastdist | .0350333 .077158 0.45 0.650 -.1169634 .1870299 tri | 1.06676 .5637082 1.89 0.060 -.0437105 2.177231 suitability | -.0769726 .0549697 -1.40 0.163 -.1852596 .0313144 lnpopdensity | .196144 .0843727 2.32 0.021 .0299349 .3623532 urbanrates | 3.352916 1.687109 1.99 0.048 .029414 6.676419 | provid | 12 | .2051006 .0551604 3.72 0.000 .096438 .3137632 13 | -1.890425 .0951146 -19.88 0.000 -2.077795 -1.703055 ...... 64 | -1.301895 .1581021 -8.23 0.000 -1.613346 -.9904433 | bprvdist | -.0846917 .0107859 -7.85 0.000 -.1059393 -.0634441 _cons | 2.126233 .9791046 2.17 0.031 .1974567 4.05501 ------------------------------------------------------------------------------
从表中可以看出，工具变量bprvdist的系数为-0.085，标准误为0.011，在1%的水平上显著。
第二阶段回归结果
Instrumental variables (2SLS) regression Number of obs = 274 Wald chi2(34) = 13.62 Prob > chi2 = 0.9993 R-squared = 0.7874 Root MSE = .05434 (Std. Err. adjusted for 28 clusters in provid) ------------------------------------------------------------------------------ | Robust lneduyear | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- lnjinshipop | .0834221 .0116773 7.14 0.000 .060535 .1063092 lnnightlight | .0592777 .0102138 5.80 0.000 .0392589 .0792964 lncoastdist | .0093399 .0118791 0.79 0.432 -.0139426 .0326224 tri | -.1044346 .063917 -1.63 0.102 -.2297097 .0208404 suitability | -.0008944 .0125824 -0.07 0.943 -.0255555 .0237666 lnpopdensity | -.0472648 .0115102 -4.11 0.000 -.0698245 -.0247051 urbanrates | -.0353689 .1784687 -0.20 0.843 -.3851612 .3144233 | provid | 12 | -.10732 .0088755 -12.09 0.000 -.1247157 -.0899243 13 | .0244675 .0276005 0.89 0.375 -.0296284 .0785634 ...... 64 | -.0740796 .0350354 -2.11 0.034 -.1427477 -.0054116 | _cons | 2.014146 .1490819 13.51 0.000 1.721951 2.306341 ------------------------------------------------------------------------------
第二阶段回归结果就是使用工具变量法对内生性问题进行“治疗”之后得到的估计结果，很多论文一般也只报告第二阶段回归结果。从表中可以看出，进士密度lnjinshipop的系数为0.083，标准误为0.012，在1%的水平上显著。
弱工具变量检验
检验工具变量的有效性，首先要检验工具变量的相关性。存在弱工具变量问题时，2SLS 估计不仅难以矫正OLS 估计的偏差，反因有更大的标准差而有更低的效率， 导致“治疗比疾病本身更坏”。我们可以使用estat firststage命令对第一阶段的结果进行分析，以判断是否存在弱工具变量问题。
. estat firststage,forcenonrobust First-stage regression summary statistics -------------------------------------------------------------------------- | Adjusted Partial Robust Variable | R-sq. R-sq. R-sq. F(1,27) Prob > F -------------+------------------------------------------------------------ lnjinshipop | 0.6487 0.5988 0.3276 61.914 0.0000 -------------------------------------------------------------------------- (F statistic adjusted for 28 clusters in provid) Minimum eigenvalue statistic = 116.419 Critical Values # of endogenous regressors: 1 Ho: Instruments are weak # of excluded instruments: 1 --------------------------------------------------------------------- | 5% 10% 20% 30% 2SLS relative bias | (not available) -----------------------------------+--------------------------------- | 10% 15% 20% 25% 2SLS Size of nominal 5% Wald test | 16.38 8.96 6.66 5.53 LIML Size of nominal 5% Wald test | 16.38 8.96 6.66 5.53 ---------------------------------------------------------------------
结果显示，偏=0.3276（偏
是扣除了其他外生变量后工具变量的解释力度），说明工具变量
bprvdist对内生变量lnjinshipop有很强的解释力度。F统计量=61.914>10，根据经验准则可以判断，我们的工具变量不是一个弱工具变量。除此之外，estat firststage命令还会报告一个最小特征值统计量（Minimum eigenvalue statistic），一般大于2SLS Size of nominal 5% Wald test中10%对应的临界值就表明不存在弱工具变量问题。
特别说明：豪斯曼检验（即内生性检验）和过度识别检验（即外生性检验）在此就不予以介绍了，因为这两个检验都是很“鸡肋”的，并且这里只有一个工具变量，也没法做过度识别检验，后面我将专门写一篇推文对这两个检验进行详细说明。
ivregress 2sls Y X1 X2 X3 X4 (X1= Z1 Z2), robust
estat overid
ivreg2命令
ivreg2命令是对ivregress命令的改进和优化，功能更加强大，支持的估计方法更多（默认使用2SLS），并且会直接报告工具变量的几个统计检验结果。
ivreg2命令是一个外部命令，所以使用之前需要安装（ssc install ivreg2）。它的语法格式和ivregress基本一致：
ivreg2 lneduyear (lnjinshipop=bprvdist) lnnightlight lncoastdist tri suitability lnpopdensity urbanrates i.provid , first cluster(provid)
第一阶段回归结果
First-stage regression of lnjinshipop: Statistics robust to heteroskedasticity and clustering on provid Number of obs = 274 Number of clusters (provid) = 28 ------------------------------------------------------------------------------ | Robust lnjinshipop | Coef. Std. Err. t P>|t| [95% Conf. Interval] -------------+---------------------------------------------------------------- bprvdist | -.0846917 .0107633 -7.87 0.000 -.1058948 -.0634886 lnnightlight | .183385 .0681077 2.69 0.008 .0492169 .3175531 lncoastdist | .0350333 .0769964 0.45 0.650 -.116645 .1867116 tri | 1.06676 .5625276 1.90 0.059 -.0413849 2.174906 suitability | -.0769726 .0548546 -1.40 0.162 -.1850328 .0310876 lnpopdensity | .196144 .084196 2.33 0.021 .030283 .3620051 urbanrates | 3.352916 1.683576 1.99 0.048 .0363742 6.669459 | provid | 12 | .2051006 .0550449 3.73 0.000 .0966656 .3135357 13 | -1.890425 .0949154 -19.92 0.000 -2.077402 -1.703447 ...... 64 | -1.301895 .157771 -8.25 0.000 -1.612694 -.9910956 | _cons | 2.126233 .9770541 2.18 0.031 .201496 4.050971 ------------------------------------------------------------------------------
第二阶段回归结果
IV (2SLS) estimation -------------------- Estimates efficient for homoskedasticity only Statistics robust to heteroskedasticity and clustering on provid Number of clusters (provid) = 28 Number of obs = 274 F( 34, 27) = 0.34 Prob > F = 0.9984 Total (centered) SS = 3.805186838 Centered R2 = 0.7874 Total (uncentered) SS = 1282.736705 Uncentered R2 = 0.9994 Residual SS = .8089841945 Root MSE = .05434 ------------------------------------------------------------------------------ | Robust lneduyear | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- lnjinshipop | .0834221 .0116773 7.14 0.000 .060535 .1063092 lnnightlight | .0592777 .0102138 5.80 0.000 .0392589 .0792964 lncoastdist | .0093399 .0118791 0.79 0.432 -.0139426 .0326224 tri | -.1044346 .063917 -1.63 0.102 -.2297097 .0208404 suitability | -.0008944 .0125824 -0.07 0.943 -.0255555 .0237666 lnpopdensity | -.0472648 .0115102 -4.11 0.000 -.0698245 -.0247051 urbanrates | -.0353689 .1784687 -0.20 0.843 -.3851612 .3144233 | provid | 12 | -.10732 .0088755 -12.09 0.000 -.1247157 -.0899243 13 | .0244675 .0276005 0.89 0.375 -.0296284 .0785634 ...... 64 | -.0740796 .0350354 -2.11 0.034 -.1427477 -.0054116 | _cons | 2.014146 .1490819 13.51 0.000 1.721951 2.306341 ------------------------------------------------------------------------------
弱工具变量检验结果
ivreg2命令会直接报告Cragg-Donald Wald F 统计量和Kleibergen-Paap Wald rk F统计量两个用于弱工具变量检验的统计量，其中Cragg-Donald Wald F 统计量假设扰动项iid（独立同分布），而Kleibergen-Paap Wald rk F统计量没有做扰动项iid的假设。需要注意的是，这里的原假设是所选工具变量是弱工具变量，当两个F统计量大于Stock-Yogo weak ID test critical values中10%偏误的临界值时，可以拒绝原假设，认为不存在弱工具变量问题。
Weak identification test Ho: equation is weakly identified Cragg-Donald Wald F statistic 116.42 Kleibergen-Paap Wald rk F statistic 61.91 Stock-Yogo weak ID test critical values for K1=1 and L1=1: 10% maximal IV size 16.38 15% maximal IV size 8.96 20% maximal IV size 6.66 25% maximal IV size 5.53 Source: Stock-Yogo (2005). Reproduced by permission. NB: Critical values are for Cragg-Donald F statistic and i.i.d. errors.
补充：xtivreg2命令
ivreg2 和 xtivreg2 之间的差异，与reg 和 xtreg 之间的差异大体类似。
我们知道，OLS加入虚拟变量（LSDV）等价于FE模型。运行以下命令
ivreg2允许有时间效应（即适用于混合面板），而xtivreg2只能做固定效应，不能添加时间的固定效应
xtset id year xtivreg2 ys k (n=l2.n l3.n), fe first savefp(first) outreg2 [first second] using xxx.doc, tstat bdec(3) tdec(2) replace
xtivreg2会报告过度检验的结果，同ivreg2
添加时间固定效应建议使用xtivreg
xtset stkcd year xtreg Ln_geodistance_ew rdls ewdistance_mean $control i.year,fe est store first outreg2[first] using first.doc,tstat bdec(3) tdec(3) addstat(Ajusted R2,`e(r2_a)') replace xtivreg ln_Cash_ratio1 (Ln_geodistance_ew=rdls ewdistance_mean) $control i.year,fe //xtivreg2 加入不了i.year outreg2 using xxx1.doc,cttop(second) tstat bdec(3) tdec(2)
如果进行过度检验则需要
xtoverid
添加字符串类型固定效应则
xtset stkcd year xi:xtreg Ln_geodistance_ew rdls ewdistance_mean $control i.industry2,fe est store first outreg2[first] using first.doc,tstat bdec(3) tdec(3) addstat(Ajusted R2,`e(r2_a)') replace xi:xtivreg ln_Cash_ratio1 (Ln_geodistance_ew=rdls ewdistance_mean) $control i.industry2,fe //xtivreg2 加入不了i.year outreg2 using xxx1.doc,cttop(second) tstat bdec(3) tdec(2)
