① 【Stata 18新功能】工具變數的強弱檢驗與stata應用
本文主要探討了工具變數（Instrumental Variables, IV）在統計分析中的應用，尤其是強調了強弱工具變數對IV估計和推斷的影響。首先，本文概述了IV分析的三個基本假設，並指出當使用弱工具變數時，傳統的兩階段最小二乘法（2SLS）可能會產生不良性能，包括二階段t統計量的大小偏差以及中位數偏誤趨向於普通最小二乘法（OLS）。
為了應對弱工具變數問題，本文引用了Keane and Neal（2023，JoE）的研究，指出在檢測真實負效應方面，Anderson-Rubin（AR）檢驗遠勝於傳統的t檢驗。然而，當真實效應為正時，t檢驗的效能較高。AR檢驗的優點在於其不僅在弱工具變數下表現良好，而且在強工具變數下同樣表現優越，且能正確估計標准誤差。
舉例說明中，本文以估計預期收入沖擊的消費彈性為例，展示在使用滯後一期收入作為工具變數時，AR檢驗與t檢驗結果的差異。通過比較OLS、2SLS以及AR檢驗的估計結果，說明了AR檢驗在弱工具變數環境下的優越性，並進一步解釋了當工具變數強度增加時，AR檢驗的效能提升。
此外，本文討論了近年來提出的條件t檢驗（如非對稱條件t檢驗（ACT）和基於一階段F統計量的t檢驗（tF檢驗）），旨在修正傳統t檢驗的偏差。盡管這些修正後的t檢驗在某些情況下有所改進，但AR檢驗在處理弱工具變數時的可靠性仍然是首選。
總結而言，當使用IV進行估計時，工具變數的強度對於結果的准確性至關重要。AR檢驗在弱工具變數下提供了更為可靠的估計，且在強工具變數環境下也同樣有效。因此，本文強烈推薦在IV分析中使用AR檢驗，而非傳統的t檢驗，以獲得更准確和可靠的估計結果。