如何在Statsmodels或Linearmodels中实现2SLS系数相等性检验

核心原理：Statsmodel的IV2SLS和linearmodel的LM2SLS拟合得到的结果对象，均支持Wald检验逻辑，只需构造对应约束矩阵即可完成多处理组系数相等性检验，无需依赖OLS专属的t_test_pairwise()方法。

假设场景：3个处理组对应的内生变量系数分别为treat1、treat2、treat3，检验原假设为三个处理组的效应系数完全相等，可拆解为两个独立约束：treat1系数 - treat2系数 = 0、treat2系数 - treat3系数 = 0。

Statsmodel IV2SLS 实现代码 #

1. 首先确认参数顺序，避免约束矩阵构造错误：

print(model.params)

2. 按照参数索引构造约束矩阵并执行检验：

from statsmodels.sandbox.regression.gmm import IV2SLS as SM2SLS
import numpy as np

# 模型拟合逻辑
model = SM2SLS(tdf[endog],tdf['elect_lpd'],tdf[inst]).fit()

# 构造约束矩阵：假设3个处理组系数对应params的索引为0、1、2，其余位置填0
n_params = len(model.params)
r_matrix = np.zeros((2, n_params))
r_matrix[0, 0] = 1
r_matrix[0, 1] = -1
r_matrix[1, 1] = 1
r_matrix[1, 2] = -1

# 执行Wald检验
wald_res = model.wald_test(r_matrix, use_f=False)
print(wald_res)

结果解读：若输出的p值小于预设显著性水平（如0.05），即可拒绝原假设，认为不同处理组的效应存在统计层面的显著差异。

Linearmodel LM2SLS 实现代码 #

操作逻辑与Statsmodel一致，调用方法略有差异：

import numpy as np

# 模型拟合逻辑
model = LM2SLS(tdf.elect_lpd, tdf[controls], tdf[endog], tdf[inst]).fit(cov_type='clustered')

# 确认参数索引
print(model.params)

# 构造约束矩阵：按需修改处理组系数对应的索引值
n_params = len(model.params)
r_matrix = np.zeros((2, n_params))
r_matrix[0, 0] = 1
r_matrix[0, 1] = -1
r_matrix[1, 1] = 1
r_matrix[1, 2] = -1

# 执行Wald检验
wald_res = model.wald_test(r_matrix)
print(wald_res)

注意事项：构造约束矩阵前必须先确认处理组系数对应的参数索引，索引匹配错误会直接导致检验结果无效。如果需要做两两处理组的差异检验，只需构造仅含单个约束的矩阵，重复执行检验即可。

内容的提问来源于stack exchange，提问作者Jameson