① 【Stata 18新功能】工具变量的强弱检验与stata应用
本文主要探讨了工具变量（Instrumental Variables, IV）在统计分析中的应用，尤其是强调了强弱工具变量对IV估计和推断的影响。首先，本文概述了IV分析的三个基本假设，并指出当使用弱工具变量时，传统的两阶段最小二乘法（2SLS）可能会产生不良性能，包括二阶段t统计量的大小偏差以及中位数偏误趋向于普通最小二乘法（OLS）。
为了应对弱工具变量问题，本文引用了Keane and Neal（2023，JoE）的研究，指出在检测真实负效应方面，Anderson-Rubin（AR）检验远胜于传统的t检验。然而，当真实效应为正时，t检验的效能较高。AR检验的优点在于其不仅在弱工具变量下表现良好，而且在强工具变量下同样表现优越，且能正确估计标准误差。
举例说明中，本文以估计预期收入冲击的消费弹性为例，展示在使用滞后一期收入作为工具变量时，AR检验与t检验结果的差异。通过比较OLS、2SLS以及AR检验的估计结果，说明了AR检验在弱工具变量环境下的优越性，并进一步解释了当工具变量强度增加时，AR检验的效能提升。
此外，本文讨论了近年来提出的条件t检验（如非对称条件t检验（ACT）和基于一阶段F统计量的t检验（tF检验）），旨在修正传统t检验的偏差。尽管这些修正后的t检验在某些情况下有所改进，但AR检验在处理弱工具变量时的可靠性仍然是首选。
总结而言，当使用IV进行估计时，工具变量的强度对于结果的准确性至关重要。AR检验在弱工具变量下提供了更为可靠的估计，且在强工具变量环境下也同样有效。因此，本文强烈推荐在IV分析中使用AR检验，而非传统的t检验，以获得更准确和可靠的估计结果。