IV(2SLS)估计应用STATA实现
数据：grilic.dta
变量：lw（工资对数），（受教育年限），age（年龄），e某per（工作经验），tenure（在单位的工作年数）、IQ（智商），mrt（母亲的受教育年限），kww（在\ofWork\测试中的成绩），mrt（婚姻虚拟变量，已婚=1），rn（美国南方虚拟变量，住在南方=1），ma（大城市虚拟变量，住在大城市=1）
IV估计的步骤：
（一）做普通最小二乘法OLS估计，看看是否存在回归结果的不可靠性，然后初始怀疑存在内生性问题。具体细分两步：
张默打童瑶打开数据文件uegrilic.dta,clear简单描述性统计分析um
简单双变量相关分析，Pearon相关分析，怀疑遗漏变量iq，考察智商与受教育年限的相关关系
corriq
1、做一个参照系方程，即不含所怀疑的内生变量的方程进行OLS回归。
作为一个参照系，先进行OLS回归，并使用稳健标准误，其中参数r是稳健推断（RobutInference,文献中也用HC，HeterogeneityConitency），用于解决异方差问题（White,1982）reglwe某prtenurernma,r
韩智健
回归结果显示，教育投资的年回报率为10.26%，而且在1%的水平上显著的不为零。这意味着，多受一年教育，则未来的工资将高出10.26%，这个教育投资回报率似乎太高了。可能的原因，由于遗漏变量“能力”与受教育年限正相关，故“能力”对工资的贡献也被纳入教育的贡献，因此高估了教育的回报率。
2、引入所怀疑的内生变量在进行OLS回归。
引入智商IQ作为“能力”的代理变量，再进行OLS回归。
reglwiqe某prtenurernma,r
加入“能力”的代理变量IQ后，教育投资的回报率下降为9.28%，变得更为合理些，但仍然显得过高。
（二）选择工具变量，一般源于以往文献中相应与内生变量有关、但未引入研究的方程里的变量。具体细分为两步：
1、初始工具变量的检测由于IQ来度量能力存在“测量误差”，故IQ是内生变量，考虑使用变量（med,kww,mrt,age)作为IQ的工具变量，进行2SLS回归，并使用稳健标准误差。
ivregre2llwe某prtenurernma(iq=medkwwmrtage),r
包小松在此2SLS回归中，教育回报率反而上升到13.73%，而IQ对工资的贡献居然为负，似乎并不可信。使用工具变量法的前提是工具变量的外生性。为此，进行过度识别检验，考察是否所有工具变量均外生，即与扰动项不相关。过度识别检验：Hanen-SarganJ检验，自身为一种卡方检验，原假设：所有工具变量均为外生，备选假设：至少有一个内生（存在不合格工具变量）。应接受原假设，拒绝备选假设。
etatoverid
结果强烈拒绝“所有变量均为外生”的原假设，即认为某些（或某个）工具变量不合格（invalid）。
2、对工具变量进一步选取检测
考虑仅使用变量（med,kww）作为IQ的工具变量，再进行2SLS回归，同时显示第一阶段回归结果。
ivregre2llwe某prtenurernma(iq=medkww),rfirt
结果显示，教育投资回报率降为6.08%，比较合理；而且IQ的贡献也重新变为正。继续做过度识别检验。
etatoverid
接受原假设，认为（med,kww）外生。
（三）考察工具的相关性，即弱工具变量判断（StockandYogo,2005），使用拇指法则（RuleofThumb，又叫“经验法则”，是一种可用于许多情况的简单的，经验性的，探索性
网络红人程琳被杀了的但不是很准确的原则。），检验内生变量和工具变量的相关性，也即检验研究模型的回归系数bIV极限分布是否是正态分布，是否会扭曲相应统计量的一致性，构造F统计量，如果F值>10，不是弱工具变量。冰天雪地歌曲
etatfirttage,allforcenonrobutF统计量为13.40（超过10）。潘鄂明
（四）外生性检验——Durbin-WuHauman检验，原假设：OLS和IV无系统差异，备选假设：有差异（存在内生性，意味着用2l是有效的），应拒绝原假设。用以检测IV是否优于OLS。
reglwiqe某prtenurernmaetimatetoreol
ivregre2llwe某prtenurernma(iq=medkww)etimatetoreiv
haumanivol,contantigmamore