什么是 工具变量？
工具变量是一类能够改变处理接受情况、在研究设计下独立于结果原因，并且只通过处理影响结果的变量，可在附加假设成立时识别因果效应。
快速了解
| 规范文档 | 官方规范 |
|---|
工作原理
有效性不只是一阶段足够强
相关性要求工具改变处理概率，可用数据评估；可交换性要求在调整策略下，工具与结果不存在共同原因；排除限制要求工具只能通过处理影响结果。后两项主要依赖设计与领域知识，不能由较大的一阶段统计量认证。Naimi 与 Whitcomb推导了 IV 目标量并明确列出这些假设。
因果目标通常局限于顺从者
在二元工具与处理下，单调性排除处理状态随工具反向变化的个体。Wald 目标量随后对处理会被该工具改变的人求平均。顺从者身份不可直接观测，而且依赖具体工具，因此若无更强假设，不能把 LATE 改称 ATE、ATT，或解释为所有已处理个体的效应。
弱工具与无效工具具有不同失败机制
弱一阶段会造成比率不稳定、有限样本偏差和常规置信区间失真，应采用弱工具稳健推断并报告一阶段证据。强但无效的工具则会在排除限制或可交换性失效时给出精确的错误答案。应预先声明因果图，检查 Reduced Form 与依从行为、验证可检验推论并进行敏感性分析，不能把过度识别检验当作证明。
主要特点
- 只利用外部诱导的处理变化而非全部观测变化
- 依赖相关性、可交换性、排除限制与处理一致性
- 通常需要单调性才能解释为顺从者平均效应
- 异质效应下常以 LATE 而非总体 ATE 为目标
- 可使用 Wald 比率或两阶段程序估计
- 必须进行弱工具与假设敏感性分析
常见用途
- 随机分配存在不依从时估计实际接受处理的效应
- 利用资格抽签评价项目参与
- 存在可信鼓励机制时研究内生暴露
- 估计模糊断点回归中的局部效应
- 审计候选工具能否支持目标政策估计量
示例
Loading code...常见问题
有效工具变量需要满足哪些条件？
工具必须改变处理，在研究设计下独立于结果原因，并且只通过处理影响结果；还需满足一致性与无干扰，单调性则支持 LATE 解释。通常只有相关性可直接评估，其余假设必须依靠机制、设计和领域证据论证。
能从观测数据检验排除限制吗？
通常不能直接检验，因为它断言工具到结果不存在绕过处理的因果路径。多个工具可产生过度识别限制，但检验通过也不能证明所有工具有效。仍需结合设计知识、负对照、机制分析与敏感性检查。
什么是弱工具变量？
弱工具只会轻微改变处理，使一阶段分母很小。此时 Wald 与 2SLS 估计可能剧烈波动，常规正态近似也不可靠。应报告一阶段证据并使用弱工具稳健区间，而不是机械依赖统一的 F 统计量阈值。
工具变量估计的是平均处理效应吗？
通常不是。在二元处理、二元工具与单调性下，标准 IV 目标量识别处理会随该工具变化的顺从者 LATE。只有在处理效应同质或其他更强结构假设成立时，它才可等同或外推为更广泛的 ATE。
运行两阶段最小二乘就足以得到因果结论吗？
不足。2SLS 是估计器，不是识别论证。只有在工具有效、估计目标明确、函数假设适当、支持充分且不确定性计算正确时，系数才有因果解释；稳健标准误也无法修复排除限制或可交换性失效。