工具變量法的兩階段LS性質(zhì)在計(jì)量經(jīng)濟(jì)學(xué)的實(shí)際應(yīng)用中，我們經(jīng)常會(huì)遇到這樣的困惑：當(dāng)解釋變量與誤差項(xiàng)存在相關(guān)性（即內(nèi)生性問(wèn)題）時(shí)，普通最小二乘法（OLS）的估計(jì)結(jié)果會(huì)偏離真實(shí)值，就像用一塊有偏差的砝碼稱(chēng)重，結(jié)果再精確也失去了意義。這時(shí)候，工具變量法（InstrumentalVariables,IV）就像一把“校準(zhǔn)尺”，通過(guò)引入與內(nèi)生解釋變量相關(guān)但與誤差項(xiàng)無(wú)關(guān)的工具變量，為我們打開(kāi)了一扇解決內(nèi)生性問(wèn)題的大門(mén)。而兩階段最小二乘法（Two-StageLeastSquares,2SLS）作為工具變量法最常用的實(shí)現(xiàn)方式，其性質(zhì)不僅決定了估計(jì)結(jié)果的可靠性，更是我們理解和應(yīng)用這一方法的核心關(guān)鍵。一、從內(nèi)生性問(wèn)題到工具變量法：理解2SLS的“出場(chǎng)背景”要深入理解2SLS的性質(zhì)，首先得回到問(wèn)題的起點(diǎn)——內(nèi)生性問(wèn)題為何會(huì)出現(xiàn)，以及工具變量法為何能成為解決方案。1.1內(nèi)生性問(wèn)題：計(jì)量模型的“隱形干擾”在實(shí)證研究中，內(nèi)生性幾乎是最常見(jiàn)的“麻煩制造者”。它的來(lái)源主要有三類(lèi)：

第一類(lèi)是遺漏變量偏差。比如研究教育水平對(duì)收入的影響時(shí)，個(gè)人能力是一個(gè)關(guān)鍵變量，但往往難以觀測(cè)。如果能力既影響教育水平（能力強(qiáng)的人可能接受更長(zhǎng)時(shí)間教育），又直接影響收入（能力強(qiáng)的人收入更高），那么教育水平就會(huì)與誤差項(xiàng)（包含能力）相關(guān)，導(dǎo)致OLS估計(jì)的教育回報(bào)率失真。

第二類(lèi)是測(cè)量誤差。假設(shè)我們用自我報(bào)告的工作時(shí)長(zhǎng)來(lái)研究工作時(shí)間對(duì)健康的影響，但受訪者可能低估或高估實(shí)際時(shí)長(zhǎng)，這種測(cè)量誤差會(huì)讓解釋變量與誤差項(xiàng)“糾纏不清”。

第三類(lèi)是雙向因果。例如，企業(yè)研發(fā)投入與利潤(rùn)之間可能存在互為因果的關(guān)系：研發(fā)投入增加可能提升利潤(rùn)，而利潤(rùn)增長(zhǎng)又可能反哺研發(fā)投入。此時(shí)，研發(fā)投入作為解釋變量會(huì)與誤差項(xiàng)（包含利潤(rùn)的其他影響因素）相關(guān)，OLS無(wú)法區(qū)分因果方向。內(nèi)生性的存在會(huì)讓OLS估計(jì)量失去一致性——即使樣本量無(wú)限增大，估計(jì)值也不會(huì)收斂到真實(shí)參數(shù)。這就像在晃動(dòng)的船甲板上瞄準(zhǔn)靶心，無(wú)論練習(xí)多少次，子彈都很難擊中目標(biāo)。1.2工具變量法：用“第三方”切斷內(nèi)生性鏈條工具變量法的核心思想是引入一個(gè)“第三方”變量（工具變量Z），它需要滿足三個(gè)關(guān)鍵條件：

-相關(guān)性：Z與內(nèi)生解釋變量X高度相關(guān)（即Cov(Z,X)≠0）。這就像工具變量是X的“影子”，能準(zhǔn)確捕捉X的變化。

-外生性：Z與誤差項(xiàng)ε不相關(guān)（即Cov(Z,ε)=0）。工具變量必須“干干凈凈”，不參與誤差項(xiàng)中的任何干擾因素。

-排除限制：Z只能通過(guò)X影響被解釋變量Y，沒(méi)有其他直接影響路徑。也就是說(shuō)，Z對(duì)Y的因果效應(yīng)完全通過(guò)X傳遞，這是識(shí)別因果關(guān)系的關(guān)鍵假設(shè)。舉個(gè)通俗的例子：假設(shè)我們要研究“是否上大學(xué)”（X）對(duì)“未來(lái)收入”（Y）的影響，而“是否上大學(xué)”可能受家庭經(jīng)濟(jì)條件（未觀測(cè)的遺漏變量）影響，存在內(nèi)生性。這時(shí)可以找“高中附近是否有大學(xué)”（Z）作為工具變量——附近有大學(xué)的學(xué)生上大學(xué)的概率更高（滿足相關(guān)性），而高中位置與個(gè)人能力、家庭背景等誤差項(xiàng)因素?zé)o關(guān)（滿足外生性），且高中位置不會(huì)直接影響未來(lái)收入（滿足排除限制）。通過(guò)Z，我們就能分離出X中與ε無(wú)關(guān)的部分，進(jìn)而估計(jì)X對(duì)Y的真實(shí)影響。1.3兩階段LS：工具變量法的“標(biāo)準(zhǔn)操作”工具變量法有多種實(shí)現(xiàn)方式，其中兩階段最小二乘法（2SLS）因其操作直觀、結(jié)果易于解釋?zhuān)蔀閼?yīng)用最廣泛的方法。從名字就能看出，它分為兩個(gè)階段完成估計(jì)：第一階段：用工具變量Z對(duì)內(nèi)生解釋變量X進(jìn)行回歸，得到X的擬合值()。

具體來(lái)說(shuō)，假設(shè)模型為(X=_0+_1Z+v)（v為第一階段誤差項(xiàng)），通過(guò)OLS估計(jì)得到()，進(jìn)而計(jì)算(=_0+_1Z)。這一步的本質(zhì)是“提純”——把X中與Z相關(guān)（因此與ε無(wú)關(guān)）的部分提取出來(lái)，剔除掉與ε相關(guān)的部分（即v中的內(nèi)生部分）。第二階段：用()替代原模型中的X，對(duì)Y進(jìn)行OLS回歸。

原模型為(Y=_0+_1X+)，替換后得到(Y=_0+1+)，再次用OLS估計(jì)得到({2SLS})。這一步相當(dāng)于用“干凈”的()來(lái)估計(jì)X對(duì)Y的影響，避免了內(nèi)生性干擾。需要注意的是，雖然2SLS分兩步進(jìn)行，但嚴(yán)格來(lái)說(shuō)它是一個(gè)“整體”估計(jì)方法。第二階段的誤差項(xiàng)與第一階段的擬合值相關(guān)，直接分兩步計(jì)算標(biāo)準(zhǔn)誤會(huì)有偏差（實(shí)際應(yīng)用中需用2SLS專(zhuān)用的方差估計(jì)），這也是理解其性質(zhì)的重要切入點(diǎn)。二、2SLS的核心性質(zhì)：從一致性到有限樣本表現(xiàn)2SLS之所以被廣泛使用，關(guān)鍵在于它在滿足工具變量條件時(shí)具有良好的大樣本性質(zhì)，同時(shí)在有限樣本中也有可預(yù)測(cè)的表現(xiàn)。我們逐一分析其核心性質(zhì)。2.1一致性：大樣本下的“可靠錨點(diǎn)”一致性是計(jì)量估計(jì)量最重要的性質(zhì)之一——它保證了隨著樣本量增大，估計(jì)值會(huì)無(wú)限接近真實(shí)參數(shù)。對(duì)于2SLS來(lái)說(shuō)，其一致性的成立依賴于工具變量的兩個(gè)關(guān)鍵條件：相關(guān)性和外生性。從數(shù)學(xué)推導(dǎo)來(lái)看，2SLS估計(jì)量({2SLS})可以表示為：

[{2SLS}=(’)^{-1}’Y]

其中()是第一階段回歸的擬合值。由于()是Z的線性組合（(=Z(Z’Z)^{-1}Z’X)），可以進(jìn)一步推導(dǎo)出：

[_{2SLS}=(X’Z(Z’Z)^{-1}Z’X)^{-1}X’Z(Z’Z)^{-1}Z’Y]當(dāng)樣本量n趨近于無(wú)窮大時(shí)，根據(jù)大數(shù)定律，(Z’X)收斂到Cov(Z,X)（相關(guān)性條件保證其不為零矩陣），(Z’)收斂到Cov(Z,ε)（外生性條件保證其為零向量）。因此：

[plim_{2SLS}=+(Cov(Z,X))^{-1}Cov(Z,)=]

這說(shuō)明在工具變量滿足相關(guān)性和外生性時(shí)，2SLS估計(jì)量是一致的。對(duì)比OLS估計(jì)量(_{OLS}=(X’X)^{-1}X’Y)，其概率極限為(+(Cov(X,X))^{-1}Cov(X,))。由于內(nèi)生性導(dǎo)致Cov(X,ε)≠0，OLS估計(jì)量不一致。2SLS通過(guò)引入工具變量Z，將“問(wèn)題”的X替換為與ε無(wú)關(guān)的()，成功切斷了內(nèi)生性鏈條，從而保證了一致性。我在實(shí)際項(xiàng)目中曾遇到這樣的案例：某團(tuán)隊(duì)用OLS估計(jì)“企業(yè)數(shù)字化轉(zhuǎn)型”對(duì)“全要素生產(chǎn)率”的影響，結(jié)果發(fā)現(xiàn)系數(shù)顯著為正，但加入工具變量（如行業(yè)數(shù)字化政策沖擊）后，2SLS估計(jì)的系數(shù)明顯更大。這正是因?yàn)镺LS低估了真實(shí)效應(yīng)——企業(yè)可能因自身效率高而更積極轉(zhuǎn)型（雙向因果），導(dǎo)致X與ε正相關(guān)，OLS系數(shù)被“拉低”；而2SLS通過(guò)政策沖擊這一外生工具，分離出轉(zhuǎn)型決策中與效率無(wú)關(guān)的部分，得到了更可靠的估計(jì)。2.2漸近正態(tài)性：假設(shè)檢驗(yàn)的“概率基石”在大樣本下，2SLS估計(jì)量不僅具有一致性，還服從漸近正態(tài)分布，這為我們進(jìn)行假設(shè)檢驗(yàn)（如t檢驗(yàn)、F檢驗(yàn)）提供了理論依據(jù)。具體來(lái)說(shuō)，當(dāng)n→∞時(shí)，((_{2SLS}-))漸近服從正態(tài)分布，均值為0，方差為：

[=^2(Cov(Z,X)Var(Z)^{-1}Cov(X,Z))^{-1}]

其中(^2)是原模型誤差項(xiàng)ε的方差。這一性質(zhì)的意義在于，即使我們無(wú)法觀測(cè)到真實(shí)參數(shù)β，也可以通過(guò)樣本數(shù)據(jù)估計(jì)方差，構(gòu)造置信區(qū)間和檢驗(yàn)統(tǒng)計(jì)量。例如，實(shí)際應(yīng)用中常用的t統(tǒng)計(jì)量(t=)，其漸近分布為標(biāo)準(zhǔn)正態(tài)分布，這讓我們能夠判斷估計(jì)結(jié)果是否統(tǒng)計(jì)顯著。需要注意的是，漸近正態(tài)性成立的前提是工具變量的相關(guān)性足夠強(qiáng)（即“強(qiáng)工具變量”）。如果工具變量與X的相關(guān)性很弱（弱工具變量），漸近分布可能不再是正態(tài)的，估計(jì)量的偏差會(huì)增大，甚至出現(xiàn)“發(fā)散”現(xiàn)象（后面會(huì)詳細(xì)討論）。2.3有效性：在IV估計(jì)量中的“最優(yōu)位置”在工具變量法的框架下，2SLS實(shí)際上是廣義矩估計(jì)（GMM）的一個(gè)特例。當(dāng)誤差項(xiàng)同方差且工具變量外生時(shí)，2SLS是有效IV估計(jì)量——即在所有滿足線性條件的IV估計(jì)量中，2SLS的漸近方差最小。假設(shè)我們有多個(gè)工具變量(Z=(Z_1,Z_2,…,Z_k))，此時(shí)第一階段回歸會(huì)包含所有Z變量，得到()作為這些Z的線性組合。第二階段回歸使用()，相當(dāng)于用Z的線性組合作為工具變量，這實(shí)際上是GMM在同方差下的最優(yōu)權(quán)重選擇（權(quán)重矩陣為((Z’Z)^{-1})）。因此，2SLS在這種情況下達(dá)到了Cramér-Rao下界，是漸近有效的。舉個(gè)例子：如果我們有兩個(gè)工具變量Z1和Z2，且都滿足外生性，那么使用兩個(gè)工具變量的2SLS會(huì)比僅使用Z1或Z2的IV估計(jì)更有效（漸近方差更小）。這是因?yàn)槎喙ぞ咦兞刻峁┝烁嚓P(guān)于X的信息，減少了估計(jì)的不確定性。當(dāng)然，這要求工具變量之間不存在嚴(yán)重的多重共線性，否則會(huì)導(dǎo)致第一階段回歸的精度下降，反而可能降低有效性。2.4有限樣本性質(zhì)：理想與現(xiàn)實(shí)的“差距”盡管2SLS在大樣本下表現(xiàn)優(yōu)異，但在實(shí)際研究中，我們通常只能使用有限樣本數(shù)據(jù)，這時(shí)2SLS的表現(xiàn)可能與理論存在偏差。2.4.1偏差：弱工具變量的“致命影響”2SLS估計(jì)量在有限樣本中是有偏的，且偏差的大小與工具變量的強(qiáng)度密切相關(guān)。工具變量越弱（即與X的相關(guān)性越弱），偏差越大。從直觀上理解，第一階段回歸中，弱工具變量無(wú)法準(zhǔn)確捕捉X的變化，導(dǎo)致()與真實(shí)X的差距較大。第二階段回歸中，用這樣的()代替X，相當(dāng)于引入了“測(cè)量誤差”，而測(cè)量誤差在回歸中會(huì)導(dǎo)致系數(shù)估計(jì)向零偏誤（attenuationbias）。更糟糕的是，當(dāng)工具變量非常弱時(shí)，2SLS的偏差可能比OLS更大——就像用一把不準(zhǔn)的尺子校準(zhǔn)另一把不準(zhǔn)的尺子，結(jié)果可能更糟。Bound、Jaeger和Baker（經(jīng)典研究）曾用“季度出生”作為教育年限的工具變量（美國(guó)法律規(guī)定年滿6歲才能入學(xué)，因此四季度出生的孩子入學(xué)時(shí)年齡更小，可能接受更少教育），發(fā)現(xiàn)當(dāng)工具變量較弱時(shí)（如僅用一個(gè)季度變量），2SLS估計(jì)的教育回報(bào)率偏差極大；而使用多個(gè)季度變量（增強(qiáng)工具變量強(qiáng)度）后，偏差顯著減小。這說(shuō)明工具變量的強(qiáng)度直接關(guān)系到2SLS在有限樣本中的可靠性。2.4.2方差：多工具變量的“雙刃劍”使用更多工具變量（過(guò)度識(shí)別）可以提高2SLS的漸近有效性，但在有限樣本中，過(guò)多的工具變量可能導(dǎo)致方差增大，甚至出現(xiàn)“過(guò)擬合”問(wèn)題。第一階段回歸中，加入更多工具變量會(huì)讓()更接近X的真實(shí)值（因?yàn)槔昧烁嘈畔ⅲ?，但同時(shí)也會(huì)讓()的方差增大（因?yàn)楣烙?jì)的參數(shù)更多，抽樣誤差累積）。第二階段回歸中，()的方差增大會(huì)傳遞到(_{2SLS})的方差上，導(dǎo)致估計(jì)結(jié)果不穩(wěn)定。例如，假設(shè)我們有100個(gè)工具變量，但其中大部分與X的相關(guān)性很弱，第一階段回歸的(R^2)可能很高（因?yàn)樽兞慷啵?，但每個(gè)工具變量的系數(shù)估計(jì)誤差很大，導(dǎo)致()的波動(dòng)加劇。此時(shí)，2SLS的方差可能反而比使用少量強(qiáng)工具變量時(shí)更大，這就是所謂的“多工具變量陷阱”。2.4.3推斷可靠性：t檢驗(yàn)的“失真風(fēng)險(xiǎn)”在有限樣本中，即使工具變量滿足外生性，2SLS的t統(tǒng)計(jì)量也可能偏離標(biāo)準(zhǔn)正態(tài)分布，導(dǎo)致假設(shè)檢驗(yàn)的p值不可靠。尤其是當(dāng)工具變量較弱或樣本量較小時(shí)，t統(tǒng)計(jì)量可能出現(xiàn)“肥尾”現(xiàn)象（尾部概率更高），使得我們更容易錯(cuò)誤地拒絕原假設(shè)（第一類(lèi)錯(cuò)誤增加）。例如，在樣本量n=100、工具變量與X的相關(guān)系數(shù)僅為0.1（弱工具）的情況下，2SLS的t統(tǒng)計(jì)量可能有20%的概率超過(guò)1.96（標(biāo)準(zhǔn)正態(tài)分布下應(yīng)為5%），導(dǎo)致虛假的顯著性結(jié)論。這也是為什么實(shí)際研究中強(qiáng)調(diào)“強(qiáng)工具變量”的重要性——只有工具變量足夠強(qiáng)，有限樣本下的推斷才更可靠。三、2SLS的應(yīng)用場(chǎng)景與注意事項(xiàng)：從理論到實(shí)踐的“橋梁”理解2SLS的性質(zhì)后，我們需要將其應(yīng)用到實(shí)際研究中。這部分結(jié)合常見(jiàn)場(chǎng)景，總結(jié)應(yīng)用中的關(guān)鍵要點(diǎn)和潛在陷阱。3.1典型應(yīng)用場(chǎng)景：內(nèi)生性問(wèn)題的“高發(fā)區(qū)”2SLS在以下場(chǎng)景中尤為適用：遺漏變量偏差：當(dāng)關(guān)鍵解釋變量受未觀測(cè)變量影響時(shí)，如教育對(duì)收入的影響（未觀測(cè)能力）、企業(yè)創(chuàng)新對(duì)績(jī)效的影響（未觀測(cè)管理能力）。此時(shí)需要尋找與解釋變量相關(guān)但與未觀測(cè)變量無(wú)關(guān)的工具變量，如“距離大學(xué)的遠(yuǎn)近”（教育的工具變量）、“行業(yè)技術(shù)沖擊”（企業(yè)創(chuàng)新的工具變量）。雙向因果：當(dāng)解釋變量與被解釋變量互為因果時(shí)，如政府支出與經(jīng)濟(jì)增長(zhǎng)（增長(zhǎng)可能反推支出增加）、廣告投入與銷(xiāo)售額（銷(xiāo)售額增長(zhǎng)可能增加廣告預(yù)算）。此時(shí)工具變量需與解釋變量相關(guān)，但由外生因素決定，如“政府換屆周期”（政府支出的工具變量）、“競(jìng)爭(zhēng)對(duì)手的廣告投入”（企業(yè)廣告的工具變量，假設(shè)競(jìng)爭(zhēng)對(duì)手決策獨(dú)立于自身銷(xiāo)售額）。測(cè)量誤差：當(dāng)解釋變量存在測(cè)量誤差時(shí)，如家庭消費(fèi)數(shù)據(jù)（受訪者可能低估）、企業(yè)研發(fā)支出（部分項(xiàng)目未披露）。此時(shí)工具變量需與真實(shí)解釋變量相關(guān)，但不受測(cè)量誤差影響，如“家庭銀行流水”（消費(fèi)的工具變量）、“專(zhuān)利申請(qǐng)數(shù)量”（研發(fā)支出的工具變量）。我曾參與的一項(xiàng)關(guān)于“數(shù)字金融使用對(duì)農(nóng)戶收入”的研究中，就面臨內(nèi)生性問(wèn)題：農(nóng)戶收入高可能更傾向于使用數(shù)字金融（雙向因果），且存在未觀測(cè)的“金融素養(yǎng)”（遺漏變量）。我們選擇“村域內(nèi)數(shù)字金融服務(wù)點(diǎn)的數(shù)量”作為工具變量——服務(wù)點(diǎn)數(shù)量由政府早期規(guī)劃決定（外生性），且與農(nóng)戶使用數(shù)字金融的概率高度相關(guān)（相關(guān)性），成功通過(guò)2SLS估計(jì)出數(shù)字金融對(duì)收入的真實(shí)促進(jìn)作用。3.2關(guān)鍵注意事項(xiàng)：避免“誤用”的“防護(hù)網(wǎng)”要確保2SLS的估計(jì)結(jié)果可信，需重點(diǎn)關(guān)注以下幾點(diǎn)：3.2.1工具變量的強(qiáng)度檢驗(yàn)：F統(tǒng)計(jì)量的“警戒線”工具變量的強(qiáng)度直接影響2SLS的有限樣本性質(zhì)。判斷工具變量是否足夠強(qiáng)，最常用的方法是第一階段回歸的F統(tǒng)計(jì)量。經(jīng)驗(yàn)法則是：當(dāng)?shù)谝浑A段F統(tǒng)計(jì)量大于10時(shí)，工具變量強(qiáng)度足夠；若小于10，則可能存在弱工具變量問(wèn)題。需要注意的是，當(dāng)有多個(gè)工具變量時(shí)，應(yīng)使用“聯(lián)合F統(tǒng)計(jì)量”（檢驗(yàn)所有工具變量的系數(shù)是否同時(shí)為零），而不是單個(gè)工具變量的t統(tǒng)計(jì)量。例如，若有3個(gè)工具變量，第一階段回歸的F統(tǒng)計(jì)量應(yīng)檢驗(yàn)這3個(gè)變量的系數(shù)是否全為零，若F>10，說(shuō)明至少有一個(gè)工具變量與X高度相關(guān)。3.2.2外生性檢驗(yàn)：過(guò)度識(shí)別的“試金石”當(dāng)工具變量數(shù)量多于內(nèi)生解釋變量數(shù)量（過(guò)度識(shí)別）時(shí)，我們可以通過(guò)Sargan檢驗(yàn)或HansenJ檢驗(yàn)來(lái)驗(yàn)證工具變量的外生性。檢驗(yàn)的基本思想是：如果工具變量外生，那么它們與誤差項(xiàng)的線性組合應(yīng)不相關(guān)。具體來(lái)說(shuō)，用2SLS估計(jì)得到殘差()，計(jì)算()對(duì)工具變量Z的回歸的(R^2)，構(gòu)造統(tǒng)計(jì)量(nR^2)（Sargan統(tǒng)計(jì)量），其漸近分布為卡方分布（自由度為工具變量數(shù)減內(nèi)生解釋變量數(shù)）。若p值大于0.1，通常認(rèn)為工具變量外生性假設(shè)成立。需要強(qiáng)調(diào)的是，過(guò)度識(shí)別檢驗(yàn)只能檢驗(yàn)“至少有一個(gè)工具變量外生”，無(wú)法檢驗(yàn)所有工具變量都外生（即“恰好識(shí)別”時(shí)無(wú)法檢驗(yàn)）。因此，工具變量的外生性更多依賴于經(jīng)濟(jì)理論和邏輯論證，統(tǒng)計(jì)檢驗(yàn)只是輔助手段。3.2.3弱工具變量的應(yīng)對(duì)：從估計(jì)方法到穩(wěn)健性檢驗(yàn)如果發(fā)現(xiàn)工具變量較弱（F統(tǒng)計(jì)量<10），可以采取以下措施：

-尋找更強(qiáng)的工具變量：通過(guò)理論分析或數(shù)據(jù)挖掘，尋找與X相關(guān)性更高的外生變量。例如，在教育研究中，“父母教育水平”可能比“季度出生”與受教育年限的相關(guān)性更強(qiáng)（需確保外生性）。

-使用有限信息極大似然估計(jì)（LIML）：LIML在弱工具變量下的有限樣本偏差比2SLS更小，尤其當(dāng)工具變量較弱時(shí)，LIML的表現(xiàn)更穩(wěn)健。

-報(bào)告Anderson-Rubin檢驗(yàn)：該檢驗(yàn)直接對(duì)原假設(shè)(=_0)進(jìn)行檢驗(yàn)，不依賴工具變量的強(qiáng)度，在弱工具下仍保持正確的顯著性水平。3.2.4多內(nèi)生變量的處理：2SLS的“擴(kuò)展版本”當(dāng)模型中存在多個(gè)內(nèi)生解釋變量（如(X_1,X_2)都與ε相關(guān)）時(shí)，2SLS需要為每個(gè)內(nèi)生變量找到至少一個(gè)工具變量（工具變量總數(shù)≥內(nèi)生變量數(shù)）。第一階段回歸中，