Instrument strength in IV estimation and inference: A guide to theory and practice
IV估计与推断中的工具变量强度：理论与实践指南AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要主要讨论通用线性IV与2SLS的工具强度和检验性质，未明确给出所列细分方向的研究场景，故保留为空。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
IV估计与推断中的工具变量强度：理论与实践指南
- 研究问题
- 第一阶段F达到常用门槛，是否足以保证2SLS估计和检验可靠；工具强度如何影响标准误、检验功效及不同方向效应的检出？
- 方法与思路
- 作者分析2SLS偏差与估计标准误之间的关系，讨论由此产生的功效不对称，并比较常规t检验与Anderson–Rubin等稳健检验。
- 材料陈述的贡献
- 摘要称，F达到十仍可能功效很低，功效不对称甚至可在F达数千时持续；作者据此建议提高强度标准并采用稳健检验。
- 阅读关注点
- 应核对工具变量配置、偏差方向和功效不对称的机制，区分尺寸控制与功效要求，并审查稳健检验建议成立的模型范围。
- 阅读边界
- 仅依据所给出版社摘要；具体理论设定、数值设计及替代强度门槛未说明，不能将摘要中的实践建议视为所有IV模型的统一规则。
原文摘要
Two stage least squares (2SLS) has poor properties if instruments are exogenous but weak. But how strong do instruments need to be for 2SLS estimates and test statistics to exhibit acceptable properties? A common standard is that first-stage F≥10. This is adequate to ensure two-tailed t-tests have modest size distortions. But other problems persist: In particular, we show 2SLS standard errors are artificially small in samples where the estimate is most contaminated by the OLS bias. Hence, if the bias is positive, the t-test has little power to detect true negative effects, and inflated power to find positive effects. This phenomenon, which we call a “power asymmetry,” persists even if first-stage F is in the thousands. Robust tests like Anderson–Rubin perform better, and should be used in lieu of the t-test even with strong instruments. We also show how 2SLS test statistics typically suffer from very low power if first-stage F is only 10, leading us to suggest a higher standard of instrument strength in empirical practice.