IV模型（工具变量模型）

以下是关于论文中提到的**IV模型（工具变量模型）**的系统解释，结合计量经济学基础与论文上下文进行说明：

---

一、内生性问题：IV模型的出发点

在标准线性回归模型：
$$y_i=x_i^{\prime }\beta +u_i$$
中，若解释变量 $x_i$ 与误差项 $u_i$ 相关（即 $\text{cov}(x_i,u_i)\ne 0$），则最小二乘法（OLS）估计量不一致。这种问题称为内生性，常见原因包括：

1. 遗漏变量（如研究教育回报时忽略个人能力）
2. 测量误差（变量观测值存在偏差）
3. 联立性（如价格与需求量相互影响）

---

二、IV模型的核心思想

工具变量法通过引入工具变量（Instrumental Variables, IV） 解决内生性。设 $z_i$ 为工具变量，需满足：

1. 相关性：$\text{cov}(z_i,x_i)\ne 0$（工具变量与内生变量相关）
2. 排除性：$\text{cov}(z_i,u_i)=0$（工具变量与误差项无关）

此时，模型结构为：
$$\begin{array}{rl}\text{结构方程：}& y_i=x_i^{\prime }\beta +u_i\\ \text{工具变量：}& \mathbb{E}[u_i|z_i]=0\end{array}$$

---

三、IV估计的数学形式

1. 矩条件

IV估计基于矩条件构建：
$$\mathbb{E}[z_i(y_i-x_i^{\prime }\beta )]=0$$
若工具变量维度 $d_z$ 等于参数维度 $d_{\beta }$（恰好识别），可直接求解：
$${\hat{\beta }}_{IV}={\left(\sum z_i{x}_i^{\prime }\right)}^{-1}\sum z_i{y}_i$$

2. 过度识别与GMM

当 $d_z>d_{\beta }$（过度识别）时，需用**广义矩估计（GMM）**最小化加权矩条件：
$${\hat{\beta }}_{GMM}=\arg \underset{\beta }{\min }{\left[\frac{1}{n}\sum g_i(\beta )\right]}^{\prime }{W}_n\left[\frac{1}{n}\sum g_i(\beta )\right]$$
其中 $g_i(\beta )=z_i(y_i-x_i^{\prime }\beta )$ 为矩函数，$W_n$ 为权重矩阵（如最优权重 $W_n=\widehat{\text{var}}(g_i{)}^{-1}$）。

---

四、论文中的IV模型设定

在本文中，IV模型具体化为：
$$y_i=x_i^{\prime }{\beta }_{\ast }+u_i,\mathbb{E}[u_i{z}_i]=0$$

• 内生变量：$x_i$（可能与 $u_i$ 相关）
• 工具变量：$z_i$（满足相关性、排除性）
• 目标：估计参数 ${\beta }_{\ast }$

关键扩展：在线流数据场景

论文针对传统GMM的瓶颈（需全样本计算），提出随机广义矩估计（SGMM）：

1. 在线更新：逐样本迭代更新 ${\beta }_i$（式2a）
2. 权重矩阵自适应：通过SMW公式高效更新 $W_i$（式2c-2d）
3. Polyak-Ruppert平均：加速收敛（式2e）

---

五、IV模型的直观示例

考虑教育回报率估计（Angrist & Krueger 1991）：

• 内生变量 $x_i$：受教育年限（可能与个人能力相关）
• 工具变量 $z_i$：出生季度（影响入学时间但不直接影响收入）
• 结构方程：$\log ({\text{wage}}_i)=\beta \cdot {\text{educ}}_i+u_i$

工具变量通过“出生季度→教育年限→收入”的间接路径，剥离内生性干扰。

---

六、IV模型在论文中的价值

本文的SGMM算法在以下方面改进传统IV估计：

维度	传统GMM	SGMM
计算效率	$O(n{d}_z^2+d_z^3)$	$O(d_z^2)$ 每样本
内存需求	存储全样本	仅需常数内存
数据适应性	批处理（离线）	流数据（在线）

---

总结

IV模型是解决内生性问题的计量经济学基石，其核心是通过工具变量剥离解释变量与误差项的相关性。本文提出的SGMM算法，通过随机近似和在线更新机制，将传统IV估计扩展至大规模流数据场景，在保持渐近性质的同时显著提升计算效率。理解这一模型对掌握现代高维计量方法至关重要。