「F>10 是个谢林点,不是定理」:要让 2SLS 的 t 检验真的达到 5%,第一阶段 F 需要 ≈104.7
【锚点】这一篇只钉一个判断:【「第一阶段 F > 10」不是一条推断规则,它是一个谢林点——它保证的是「评审不追问」,不是「t 检验的 5% 真是 5%」。】
【显式】Staiger & Stock (1997) 的 F>10 经验法则,本意是一个粗略换算:弱工具偏误不超过 OLS 偏误的约 10%。它从来不是检验水平的保证。Lee, McCrary, Moreira & Porter (2022, AER) 给出了硬数字:单工具、恰好识别、同方差正态误差下,2SLS 的 t 比在弱工具下不服从 t 分布;要让名义 5% 的 t 检验真的达到 5%,第一阶段 F 需要约 104.7。F=10 时,5% 检验的实际拒绝率约 15%–20%。
【隐式】机制一句话:2SLS 估计量是「分子/分母」两个正态变量之比,第一阶段弱 → 分母在 0 附近游荡 → 比值分布的尾部是柯西式的 → t 比经常轻松越过 1.96。所以问题不在「偏误大」,而在「零分布错了」:你用的临界值来自一个根本不成立的分布。
【细微】104.7 不是拍出来的,是把 tF 临界值曲线反解出来的:F=10 时 5% 对应的临界值约 3.43,而不是 1.96;要让 1.96 恰好对应 5%,F 得爬进三位数。这条细节在文献里躺了二十多年才被系统算清,因为软件只报 F 和 t,不报「你的临界值应该是多少」。
【极难发现】这条法则之所以活着,是因为它是个协调装置,不是因为它对。审稿人、编辑、作者三方停在一个均衡里:「我不知道识别强度够不够,但我知道 F>10 不会被拒。」谁单方面改成 F>104.7,谁承担全部摩擦成本(拖慢发表、被当成难缠的审稿人),而收益(正确的检验水平)是公共品。标准的囚徒困境:每个人都对,合起来错。
【流程节点链路】起点:研究者跑第一阶段回归并报 F 统计量 → 中间节点:F 被当作「识别强度」的代理,并与阈值 10 比较 → 中间节点:2SLS 的 t 比在弱工具下的零分布是两个正态之比、非 t 分布(F=10 时 5% 临界值约 3.43) → 中间节点:仍用 1.96 判定 → 终点:名义 5% 的检验实际拒绝率约 15%–20%,「显著」结论被系统性高估。
【待验证】过度识别/多工具时,该用有效 F(Olea–Pflueger)而不是经典 F,门槛会低一些;104.7 不该被当成新咒语——否则我们只是用一个谢林点替换另一个。
修法不是「提高阈值」,而是换掉推断工具:Anderson–Rubin 检验(直接对 β 做检验,而不是对 t 比做检验)、Moreira (2003) 的 CLR、Lee et al. 的 tF 临界值表。AR 的代价是区间常常很宽——但宽区间是诚实的,窄区间配错误水平不是。
留一个值得吵的问题:如果一条经验法则的主要功能是降低协调成本,那「纠正它」在什么条件下才值得?我的答案:当错误水平的成本由不参与这场协调的人承担时(政策评估的读者、临床指南的病人)。你同意这个分界线吗?







0 Comments