找不到工具变量? 试试AEJ上的预测工具变量IV法, 从找不到好IV到自己造一个.

传统的IV寻找过程，堪称一场三重修行。第一重是相关性，要求与内生变量高度相关；第二重是外生性，要求与误差项无关；第三重是排他性，要求只通过内生变量影响结果变量。

在现实的政策评估中，政策分配往往与经济禀赋、政治诉求深度绑定，想要找到一个干净的外生冲击，简直比登天还难。

有没有更优解吗？

当然有。今天我们要介绍的预测工具变量（Predicted instrumental variables），正是为破解该困境而出现的。

它的核心逻辑很简单，当真实的处理变量内生时，先用外生因素构建一个假想世界的预测版本，再用该预测值作为工具变量。

让我们看一个经典案例，

在巴西，电网建设往往偏向经济发达地区，若直接回归就会产生严重的偏误。但经济学家发现，水电站的选址成本取决于地形（水流越大、坡度越陡，发电成本越低）。于是，他们利用地形数据预测了一个基于成本最小化的假想电网。地形是老天爷定的，不会随人的经济活动改变。这个基于地形预测出来的假电网，就成了一个完美的工具变量。

这种方法不仅成就了Lipscomb等在AEJ: Applied Economics上的经典研究，近期也被国内学者巧妙地应用于西部陆海新通道等政策评估中，为因果推断提供了新的稳健性证据。

预测IV到底该如何构建？外生性如何论证？排他性约束怎么检验？

1.预测IV的代表作是用地形预测巴西电网

预测工具变量的标志性文献，当属Lipscomb、Mobarak和Barham 2013年发表于AEJ：AE的论文，题为《电气化的发展效应：来自巴西水电站地形布局的证据》。

研究的问题是什么？巴西1960—2000年间大规模电网扩张是否推动了县域经济发展？

内生性挑战有哪些？电网建设绝非随机分配。政府往往优先将电力输送至人口密集、经济活跃的地区（正向选择），或出于政治考量向落后地区倾斜（负向选择）。无论哪种情形，OLS估计都会产生系统性偏误。

工具变量的构建是怎样的？该研究的天才之处在于，巴西85%的电力依赖水力发电，而水电站的选址成本高度取决于地形条件，水流量越大、河床坡度越陡，建设成本越低、发电效率越高。

基于此，作者构建了一个三步走的预测电网模型。

第一步（预算约束），以每十年实际新建水电站数量作为建设预算，确定各期可建设的电站规模。

第二步（成本排序），用水流汇聚量、河床坡度、是否位于亚马逊等地形变量，通过Probit回归估计每个网格点建设水电站的适宜度得分，并按此排序，得分最高者最先获得水电站，直至该期预算耗尽。

第三步（输电延伸），用成本最小化算法规划从每座预测水电站出发的输电线路，并假设输电站周边50公里范围内的网格点获得电力覆盖。

如此得到的假设性电网覆盖率，就是工具变量。其逻辑在于，地形是老天爷定的，山坡陡不陡、水流怎么走，不会因人搬家或搞经济而改变，也不是政府能随意规划的。

识别结果如何？相比OLS，2SLS估计的电气化效应显著更大。这反映出OLS存在向下偏误，政府倾向于向欠发达地区送电，压低了平均估计量。

IV纠偏后，完全电气化可使县域HDI提升约9—11个百分点，相当于将1980年中位数县推至第69百分位；人均收入效应约为10%的电气化覆盖率对应近10%的收入增长；就业率提升约17—18个百分点。

作者还做了一系列检验来支持工具变量的有效性。a.预测电网的空间排序与人口密度/GDP排序的Spearman相关系数极低（接近零），说明地形优先序与经济活动分布高度正交；

b.滞后发展指标（住房价值、HDI）无法预测工具变量，排除反向因果；

c.在第二阶段控制水流、坡度、亚马逊等地理变量后，工具变量仍保持显著的第一阶段预测力，说明识别力来自模型的非线性与预算约束产生的截断效应，而非地理变量的直接影响。

2.国内文章预测陆海新通道站点城市

国内研究同样涌现出关于预测工具变量应用的研究。《经济学（季刊）》2026年发表的《畅通双循环对经济增长的拉动效应——以西部陆海新通道建设为例》，在稳健性检验中使用了预测工具变量法对基准DID结果进行再验证。

西部陆海新通道自2017年启动、2019年上升为国家战略，通过陆海联运连接西南五省区市与北部湾出海口。论文以乡镇为单元，用卫星夜间灯光亮度衡量经济增长，检验站点城市开通是否显著地提升了所辖乡镇的经济增长水平。

不过，站点城市的选择并非随机，经济发展水平更高、二产比重更大、距北部湾更近的城市，更可能被纳入站点体系。即便通过交错DID控制了前定特征，遗漏变量问题仍难以完全被排除。

预测IV的构建。参考Lipscomb et al.（2013）和Lu et al.（2023）的框架，作者用以下外生自然地理因素估计各城市成为站点的潜在建设成本：气候变量方面，包括平均降水量、地表粉尘浓度、平均气温、日最高气温、平均地表气温、日照时数；灾害变量方面，采用省级地震灾害次数；距离变量方面，分别计算到北部湾港、深圳港、厦门港以及海岸线的距离，共11个预测变量。

文章两步走的逻辑如下。第一步（排他性检验）：将上述11个预测变量逐一对乡镇经济增长进行回归。结果显示，所有变量的系数均不显著，它们与乡镇层面的经济活动无直接关联，满足排他性条件。

第二步（预测与估计）：依据各城市估计的潜在建设成本进行排序，预测其成为站点城市的概率，将预测的是否为潜在站点城市作为工具变量，进行2SLS估计。

结果呢？第一阶段中，工具变量与是否开通陆海新通道站点显著正相关（系数0.328，KP F统计量17.644，通过弱工具变量检验）；第二阶段中，西部陆海新通道开通在1%水平上显著促进乡镇经济增长（系数0.068），与基准DID结果方向一致，验证了主回归的稳健性。

3.方法论要点与使用指南

综合上述两篇文献，预测工具变量法的核心要点可归纳如下。

3.1 构建假想世界的三个条件

3.2 常见的外生变量来源

a.地形与自然地理，如坡度、水流、海拔、距海岸线距离，这是Lipscomb et al.（2013）的经典路径。

b.气候与灾害，如降水量、气温、地震频率，郑世林等（2026）即采用这一路径。

c.历史遗留特征，如历史政区、殖民时期基础设施布局等与当期政策分配无关的历史变量。

3.3 排他性的验证逻辑

排他性条件无法直接检验，但可以通过以下方式增强可信度。

a.直接回归法（郑世林等），将每个预测变量单独对结果变量回归，系数不显著则提供间接佐证。

b.控制预测因子法（Lipscomb et al.），在第二阶段直接控制地形变量，若2SLS系数稳健，说明IV的识别力来自模型结构（预算截断、非线性），而非地形变量的直接效应。

c.跨国稳健性（Lipscomb et al.），用美国水电数据重新估计成本参数，结果方向一致，表明预测模型捕捉的是工程技术成本，而非巴西特有的需求偏好。

3.4 与其他方法的比较

传统IV是找到一个现成的外生变量，预测IV是用外生因素建构出一个只反映供给侧成本的合成变量。核心差异有两点。

第一，传统IV中外生变量本身直接作为instrument；第二，预测IV中外生变量通过结构模型（成本排序加预算截断）

生成instrument，识别力来自模型的非线性与截断机制，而非地理变量的直接效应。

这也是为什么在第二阶段直接控制坡度、水流等地形变量后，matlab_instrument的第一阶段仍然显著。如果识别力只来自地形本身，加入地形控制后instrument就应该失效。