Stata中含多分类变量交互项的2SLS回归报错求助

问题背景 #

核心解释变量为0/1虚拟变量industry，工具变量为连续变量IV_jack，无交互项时2SLS回归可正常运行：

ivreg2 Y (industry=IV_jack) i.(year female),r

尝试将industry与多分类变量Field（取值1=生命科学、2=计算机科学等）构建交互项时，运行以下代码触发识别错误：

ivreg2 Y (industry##i.Field=c.IV_jack##i.major_field) i.(year female),r

错误提示：equation not identified; must have at least as many instruments not in the regression as there are instrumented variables

但将industry与0/1虚拟变量young交互时，以下代码可正常执行：

ivreg2 Y (industry##i.young=c.IV_jack##i.young) i.(year female),r

错误原因 #

多分类变量Field的主效应属于外生变量，无需工具化，但代码中通过industry##i.Field将其纳入了内生变量集合，导致内生变量数量远超工具变量数量：

• 假设Field有k个类别，industry##i.Field会展开为：industry主效应 + k-1个Field虚拟变量 + k-1个industry#Field交互项，总计2k-1个内生变量
• 工具变量部分（推测major_field为笔误，应为Field）c.IV_jack##i.Field仅展开为：IV_jack主效应 + k-1个IV_jack#Field交互项，总计k个工具变量
• 工具变量数量不足，模型无法满足识别条件

而与0/1虚拟变量young交互时，industry##i.young和c.IV_jack##i.young均展开为3个变量，刚好满足识别要求，因此可正常运行。

解决方案 #

仅将内生的核心变量及其交互项放入工具化括号内，Field的主效应作为外生控制变量放在括号外：

方案1：明确指定内生变量与工具变量 #

这种写法最清晰，避免歧义：

ivreg2 Y (industry industry#i.Field = c.IV_jack c.IV_jack#i.Field) i.(year female Field), r

方案2：利用##简化写法（需注意变量范围） #

若偏好##的简洁性，可通过语法限定仅工具化industry及其交互项，同时显式将Field主效应作为控制变量：

ivreg2 Y (i.industry##i.Field = c.IV_jack##i.Field) i.(year female) i.Field, r

注：i.industry##i.Field会包含Field主效应，但ivreg2会自动识别其外生性并转为控制变量，但方案1的明确写法更推荐，可避免潜在的语法误解。

内容的提问来源于stack exchange，提问作者Clara HL