工具变量法（Instrumental Variables, IV）是一种用于估计因果关系的统计方法，广泛应用于计量经济学、流行病学和社会科学等领域。其核心思路是通过引入一个与内生解释变量相关、但与误差项无关的“工具变量”，来克服解释变量与误差项相关（即内生性）导致的估计偏误。该方法通常采用两阶段最小二乘法（2SLS）进行实现，并需满足相关性、外生性和排除限制等关键假设。
1 基本概念
1.1 内生性与因果推断
在回归分析中，当解释变量与误差项存在相关性时，普通最小二乘法（OLS）的估计量将不再一致，这一现象称为内生性。内生性的常见来源包括遗漏变量、测量误差和双向因果。例如，研究教育对收入的影响时，个人能力（通常不可观测）同时影响教育选择与收入，若遗漏能力变量，则教育变量与误差项相关，导致OLS估计有偏。因果推断的核心在于排除这些干扰，工具变量法正是为此而生。
1.2 工具变量的定义
工具变量是指满足特定条件的变量\(Z\)，它通过以下关系帮助识别因果效应：\(Z\)与内生解释变量\(X\)相关，但与误差项\(\varepsilon\)不相关，且\(Z\)仅通过\(X\)影响结果变量\(Y\)。在数学上，工具变量可以看作是一个“替身”，它将内生变量中的外生变异分离出来，从而得到一致的因果估计。
1.3 工具变量法的直观解释
想象一场音乐会，你发现前排观众听得更起劲（更高的满意度），但你不能断定座位靠前就会更满意——因为愿意买前排票的人本身就可能是狂热粉丝（自选择偏误）。现在，假设售票系统随机派发了一部分“幸运座位”（由抽签决定），这些抽中的人被迫坐到了前排。由于抽签与个人偏好无关，它便成为一个工具变量：抽签影响座位，但本身不影响满意度（除了通过座位）。通过比较抽中与未抽中者的满意度差异，就能估计座位的真实因果效应。
2 工具变量的假设条件
2.1 相关性假设
工具变量必须与内生解释变量\(X\)相关。形式上，\(\text{Cov}(Z, X) \neq 0\)。若相关性太弱（即弱工具变量），则后续估计会产生较大标准差和偏误。该假设可以通过第一阶段的F统计量进行检验。
2.2 外生性假设
工具变量必须与误差项\(\varepsilon\)不相关，即\(\text{Cov}(Z, \varepsilon) = 0\)。这意味着\(Z\)不应通过任何其他途径（除\(X\)外）影响结果变量，也不应与遗漏变量相关。外生性是工具变量法最核心也最难以验证的条件，通常需要基于理论或情境论证。
2.3 排除限制假设
工具变量仅通过内生变量\(X\)影响结果变量\(Y\)，不存在其他直接影响路径。这一假设有时被视作外生性假设的一部分。例如，若工具变量同时通过其他渠道影响\(Y\)（如教育研究中，父母的教育水平既影响子女教育也通过家庭文化氛围直接影响子女收入），则排除限制假设被违反。
2.4 假设的检验与违背后的后果
相关性假设可量化检验（如第一阶段F统计量），而外生性与排除限制假设通常无法直接检验。当工具变量数目超过内生变量数目时，可通过过度识别检验（如Sargan或Hansen J检验）评估部分假设的合理性。若假设被违反，IV估计将不一致，且可能比OLS更差。例如，弱工具变量导致估计误差放大，而内生的工具变量则产生系统性偏误。
3 估计方法
3.1 两阶段最小二乘法（2SLS）
两阶段最小二乘法是最常用的IV估计方法。它通过两步回归实现：
3.1.1 第一阶段：工具变量对内生变量的回归
将内生解释变量\(X\)对工具变量\(Z\)（以及所有外生控制变量）进行OLS回归，得到拟合值\(\hat{X}\)。这一步旨在提取\(X\)中与\(Z\)相关的部分，即“外生变异”。
3.1.2 第二阶段：用拟合值替代内生变量进行回归
将结果变量\(Y\)对第一阶段拟合值\(\hat{X}\)（以及外生控制变量）进行OLS回归。得到的系数即为工具变量估计量。在恰好识别（工具变量个数等于内生变量个数）的情况下，2SLS等价于间接最小二乘法。
3.2 有限信息最大似然估计（LIML）
有限信息最大似然估计是另一种IV估计方法，特别适用于弱工具变量情境。与2SLS相比，LIML对弱工具变量的敏感度较低，且在有限样本下可能具有更小的偏误。其核心思想是在给定工具变量条件下，最大化似然函数以估计结构参数。LIML的估计结果在小样本中通常更稳健，但计算复杂度略高。
3.3 广义矩估计（GMM）与工具变量
广义矩估计提供了一种更灵活的框架来处理IV估计。当误差项存在异方差或自相关时，GMM比2SLS更有效。通过设置矩条件（工具变量与误差项正交），GMM寻找使样本矩接近零的参数值。在恰好识别情况下，GMM与2SLS等价；在过度识别情况下，GMM可对矩条件进行加权，得到更优的估计量。
4 工具变量的选择与有效性检验
4.1 弱工具变量问题
弱工具变量指工具变量与内生变量的相关性较弱，导致第一阶段回归的拟合度极低。
4.1.1 弱工具变量的识别
常用判别标准为第一阶段回归的F统计量。经验法则认为，若F<10，则可能存在弱工具变量问题。另外，Cragg-Donald最小特征值统计量也可用于评估。
4.1.2 弱工具变量对估计的影响
弱工具变量会导致IV估计量的方差急剧增大，且即使样本量很大，有限样本偏误也可能显著存在（向OLS偏误方向偏移）。此时，IV的结果可能不可靠，甚至比不含工具变量更差。
4.2 过度识别检验
当工具变量个数大于内生变量个数时，可以检验部分工具变量是否满足外生性假设，即过度识别检验。
4.2.1 Sargan检验
Sargan检验适用于同方差假设下的IV估计。其原假设为所有工具变量均为外生。统计量服从卡方分布，若p值小于显著性水平，则拒绝原假设，暗示部分工具变量可能不满足外生性。
4.2.2 Hansen J检验
Hansen J检验是Sargan检验的推广，适用于异方差情形。在GMM框架下常见，其原理与Sargan类似，但使用更一般的加权矩阵。若检验拒绝原假设，研究者需重新审视工具变量选择。
4.3 外生性检验
外生性直接检验较为困难，尤其在恰好识别情况下（工具变量数等于内生变量数），无法进行过度识别检验。研究者通常依赖逻辑论证、敏感性分析或“近似外生性”检验（如通过引入备选工具变量考察结果稳定性）。一些方法如Durbin-Wu-Hausman检验可用于比较OLS与IV估计量的差异，但其检验的实质是内生性存在与否，而非工具变量的外生性。
5 应用场景与案例
5.1 经济学中的典型应用
5.1.1 教育回报率估计
经典问题：教育年限对收入的影响。由于个人能力、家庭背景等遗漏变量同时影响教育选择和收入，OLS估计可能有偏。Angrist与Krueger（1991）使用出生季度作为工具变量：出生季度影响入学年龄与离校年龄（因此影响教育年限），但与个人能力无关。后续研究也使用义务教育法、距大学距离等作为工具变量。
5.1.2 制度与经济增长
Acemoglu、Johnson与Robinson（2001）研究制度对经济增长的影响，使用早期殖民者的死亡率作为制度的工具变量。殖民者在高死亡率地区倾向于建立掠夺性制度，低死亡率地区则可能建立包容性制度。死亡率为历史因素，与当代经济增长无直接联系（除通过制度路径），从而满足外生性假设。
5.2 流行病学中的孟德尔随机化
孟德尔随机化（Mendelian Randomization）利用遗传变异作为工具变量，推断暴露因素（如BMI、血压）对疾病结果的影响。由于基因在受孕时随机分配（类似自然实验），理论上与混杂因素无关，从而克服传统观察性研究的混杂偏倚。例如，使用影响体重指数的基因位点作为工具变量，研究肥胖对冠心病的影响。
5.3 其他社会科学领域的应用
政治学中，使用竞选资金或媒体曝光度作为工具变量研究投票行为；社会学中，使用同群特征作为工具变量研究社交网络效应；教育学中，使用学校提供的奖学金政策作为工具变量研究学生努力程度的影响。工具变量法的触角几乎延伸到所有需要因果推断的社会科学领域。
6 局限性与注意事项
6.1 工具变量不可观测的缺陷
工具变量法依赖的假设（外生性、排除限制）本质上是不可观测的，无法用数据完全验证。许多应用中的工具变量看似合理，实则可能通过未被考虑的路径影响结果，导致估计失效。研究者需在理论论证与稳健性检验上投入大量精力。
6.2 弱工具变量的应对策略
面对弱工具变量，可尝试以下策略：增加工具变量（如使用多项工具，但需注意过度识别）、使用对弱工具变量更稳健的估计方法（如LIML、带纠偏的IV估计）、获取更大样本量、或放弃IV方法转向其他因果识别策略（如断点回归、双重差分）。此外，基于边界（bounds）的分析也可提供部分信息。
6.3 外部有效性讨论
IV估计量通常识别的是“局部平均处理效应”（LATE），即仅对受工具变量影响的子群体有效。例如，使用征兵抽签作为工具变量研究参军对收入的影响，结果仅适用于那些因抽签结果而改变参军决策的人（非自愿者）。因此，IV结论推广需谨慎，不能简单视为总体平均效应。
7 软件实现
7.1 Stata中的ivregress命令
Stata提供ivregress命令，支持2SLS、LIML和GMM估计。基本语法为：
ivregress 2sls y x1 (x2 = z1 z2), robust其中y为结果变量，x1为外生变量，x2为内生变量，z1 z2为工具变量。robust选项指定异方差稳健标准误。estat firststage可查看第一阶段F统计量，estat overid进行过度识别检验。
7.2 R中的ivreg与AER包
R中可使用AER包的ivreg函数。示例：
library(AER)
model <- ivreg(y ~ x1 + x2 | x1 + z1 + z2, data = dat)
summary(model, diagnostics = TRUE)diagnostics = TRUE会输出内生性检验、弱工具变量检验与过度识别检验。此外，fixest包也提供高效的IV估计功能。
7.3 Python中的linearmodels库
Python的linearmodels库提供IV2SLS类。示例：
from linearmodels.iv import IV2SLS
model = IV2SLS(dependent=df['y'], exog=df[['x1']], endog=df[['x2']], instruments=df[['z1','z2']])
res = model.fit(cov_type='robust')
print(res)该方法默认提供第一阶段诊断、过度识别检验等。与Stata和R类似，用户需自行确保工具变量符合假设，并解释LATE含义。