Heckman 两阶段教程

因果识别

说明结果方程、选择方程和排除限制变量在 STATAU 中的分区填法。

常用 Stata 命令heckman y x1 x2, select(select_var = x1 x2 z) twostep

在 STATAU 中打开此功能

Heckman 两阶段样本选择偏误IMR

这个页面解决什么问题

Heckman 两阶段适合处理“因变量只在部分样本里被观察到”的样本选择偏误场景。页面中最关键的是把结果方程变量和“只进入选择方程的排除限制变量”分清楚。

方法原理

第一阶段用 Probit 选择方程估计样本被观察到的概率，并构造逆米尔斯比率；第二阶段把逆米尔斯比率带回结果方程，修正样本选择偏误。

适用数据与前提

需要一个 0/1 的选择变量，用来标记因变量是否可观察。最好至少准备一个只影响“被观察概率”、但不直接进入结果方程的排除限制变量。

STATAU 页面中每个位置应该放什么变量

网站位置	应放入的变量	说明
因变量 (Y)	结果方程因变量	只在部分样本中可观察的结果变量。
结果方程解释变量	进入主回归的变量	即页面左侧外生变量区域。
选择变量	0/1 是否可观察变量	1 表示因变量可观测，0 表示不可观测。
额外排除限制变量	只进入选择方程的变量	帮助识别 Heckman 两阶段。

Stata 等效代码

heckman [因变量] [结果方程变量], select([选择变量] = [结果方程变量] [排除限制变量]) twostep

Stata 代码位置	STATAU 网站对应位置	应放入什么
[结果方程变量]	结果方程解释变量	主回归中的解释变量。
[选择变量]	选择变量	用于构造选择方程的 0/1 变量。
[排除限制变量]	额外排除限制变量	只进入选择方程、不进入结果方程。
twostep	Heckman 两阶段	当前页面对应两阶段估计逻辑。

可删除代码段提示

• 如果没有额外排除限制变量，模型仍可运行，但识别会更弱，解释也更脆弱。

在 STATAU 中操作步骤

1. 先确认选择变量是 0/1，并且定义清楚谁是“被观察样本”。
2. 填写结果方程解释变量，再额外勾选排除限制变量。
3. 执行后同时查看结果方程统计量和 IMR p。

结果怎么看

• IMR p 若显著，通常说明样本选择偏误值得关注。
• Selected N 反映真正进入结果方程的样本量，解释时不要和总样本量混淆。
• 选择方程的 Pseudo-R² 主要反映选择模型拟合，不等于主回归解释度。

常见使用误区

• 选择变量如果不是清晰的 0/1，会直接影响第一阶段逻辑。
• 没有合理的排除限制变量时，Heckman 结果的说服力会明显下降。