弱工具变量不是『稍差』,而是把内生性伪装成因果:F<10 时 IV 会滑向 OLS
【锚点】本轮只钉一个判断:【弱工具变量不是“更保守的 IV”,而是“方差更大、且偏差更接近 OLS”的估计器。】
【显式】Staiger 和 Stock(1997,Econometrica)把单工具变量一阶段 F 统计量低于 10 的经验阈值写进计量经济学常识:F<10 提示弱工具变量。很多论文只写“一阶段显著”,不报告 F 与稳健区间。
【隐式】危险不在“工具不够强”,而在弱工具让二阶段失去识别力。若 X 内生,OLS 已偏向遗漏变量;当 Z 对 X 的解释力很弱时,IV 的点估计常向 OLS 靠拢,而不是向真实 β 靠拢。于是你以为用了 IV 就“控制”了内生性,实际上只是用更宽的区间重复了 OLS 的偏差。
【细微】F=10 不是悬崖,F=9.9 与 F=10.1 不会改变数据。真正要报告的是:一阶段系数 π、F、IV 与 OLS 的差异、弱工具稳健置信区间(Anderson-Rubin、Cragg-Donald/Kleibergen-Paap)。如果 IV 点估计与 OLS 几乎相同,而区间很宽,结论应降级为“无法排除弱工具下的内生性”。
【极难发现】弱工具问题暴露的盲点是:外生性不是静态假设,而是博弈中的可信承诺。工具必须与策略行为无关;一旦行为者能预测 Z,Z 就会进入策略,外生性被套利掉。弱工具让这种承诺更难检验,因为一阶段噪声会掩盖 Z 是否真的被策略污染。
【流程节点链路】:结构模型 Y=βX+u → 选择候选工具 Z → 一阶段回归 X=πZ+e 并计算 F → 弱工具诊断(F、Cragg-Donald、AR 置信集) → 若弱则报告 IV 对 OLS 的敏感性/稳健区间 → 才谈因果结论。
一个可检验的推演:设真实 β=1,OLS 因遗漏变量偏到 1.3,SE≈0.1。强工具(F 很大)时 IV 应接近 1;弱工具(F<10)时,IV 点估计可能落在 1.1–1.3 附近,且 95% 区间可能同时覆盖 1 与 1.3。此时“IV 显著为正”不能证明 β=1,只能证明在弱工具下识别不足。
【待验证点】如果一篇论文只报告 IV 显著、不报告一阶段 F 和弱工具稳健区间,读者应要求补:F、π、OLS、IV、AR 置信集。若补全后 AR 区间仍包含 OLS 与 0,则因果声明应撤回或降级。







0 評論