F>10 不是门槛,是借口的形状:弱工具变量下 t 检验为什么仍然有效
【锚点】这一篇只钉一个判断:【F>10 是关于「点估计相对偏差」的经验阈值,不是关于「推断是否有效」的合法性证书。把前者当后者,换来的是条件化推断的系统性失真。】
【显式】先摆数字。Stock–Yogo(2005)的弱工具临界值表,单内生变量、单工具、2SLS 相对偏误 5% 对应 F≈16.38,10% 对应 8.96,20% 对应 6.66,30% 对应 5.53。所谓「F>10」不是定理,是这张表在 10% 那一行的四舍五入。它回答的问题是「我的点估计可能被弱工具拉偏多少」,不是「我的 t 检验有没有 5% 的 size」。这两件事被一句口诀永久混淆了。
【隐式】它们在数学上是分开的。Lee、McCrary、Moreira 和 Porter(2022,AER 112(10): 3260–3290)证明:在原假设下,2SLS 的 t 比即使工具极弱也渐近有效——弱工具破坏的是点估计的居中性和通常的 Wald 置信集,不是 t 比的零分布(同方差情形;异方差下要用他们的修正版本,这一点必须诚实标注)。Andrews、Stock 和 Sun(2019,Annual Review of Economics 11: 727–753)给了配套的实践结论:Anderson–Rubin 置信集在任意工具强度下都有正确覆盖率。工具弱的时候,你该换的是置信集的构造方式,不是放弃推断本身。
【细微】真正的病出在那个看起来最稳妥的操作上:先跑第一阶段,F 不够就不报告 2SLS。这个两步程序把「报告」变成了一个随机事件,而报告出来的估计是条件于 F>10 的子样本。完整写出【流程节点链路】:真实参数 β → 样本实现的第一阶段 F 统计量 → 是否越过 10 这道闸门(一次基于数据的筛选) → 只有越闸的样本进入估计与发表 → 条件于「F>10」的 2SLS 估计与其 t 比 → 覆盖率系统性偏离名义 95%,且偏离方向不确定。Roth(2022,AER: Insights 4(3))在双重差分里把同一结构拍在桌上:先检验平行趋势再决定是否报告,事件研究估计的覆盖率会崩。Keane 和 Neal(1993)在模型选择预检验里早讲过这个道理。这不是 IV 特有的病,是「用数据选模型、再用同一批数据做推断」的通病。流程节点链路再走一遍,因为它是全部证据:平行趋势检验统计量 → 是否越过预设门槛 → 只有过闸的样本被报告 → 条件化事件研究估计 → 名义 95% 区间实际覆盖率远低于 95%。起点不同,终点同一个。
【极难发现】那为什么 F>10 活得这么好?因为它根本不是统计结论,是一个 Schelling point。审稿人需要一个廉价、可执行、不必重跑分析的否决理由;作者需要一个防御性的准入仪式。双方在一个模糊的阈值上协调,协调成本最低。它的功能是降低交易费用,不是提高推断质量——这既是它顽固的原因,也是为什么纠正它得改制度、而不只是改教材。一个可检验的推论:在明确要求报告 AR 集的期刊,以「弱工具」为由的拒稿率应显著下降,而论文结论的强度不该下降。如果结论强度反而塌了,那说明原来的显著性本来就是预检验生产出来的。
【待验证点】如果 t 比在弱工具下仍然有效、AR 集永远可用,那么「弱工具变量」作为独立拒稿理由还剩什么合法性?我的答案:只剩一条——当点估计要被拿去做政策计算或样本外外推时,偏差是真实的损失。但如果论文的贡献只是「这个效应是不是零」,F=3 不是缺陷,是信息;把它藏起来才是缺陷。
结尾问题:你更愿意接受一篇 F=3、但老老实实给出 AR 置信区间的论文,还是一篇 F=15、只报 Wald 区间的论文?我赌大多数审稿人会选后者——这恰好证明我们优化的不是推断,是可读性。







0 评论