杜宾吴豪斯曼检验原理是:对解释变量内生性的检验有两种方法，一是豪斯曼检验，一是杜宾-吴-豪斯曼检验。hausman检验的原假设为所有解释变量均为外生变量，如果H0成立，则OLS与工具变量法一致，在大样本下，二者的估计量均收敛到真实的参数值，二者的差依概率收敛到0；如果H0不成立，则工具变量法一致OLS不一致，二者的差不会依概率收敛到0。hausman检验的缺点是假设在原假设成立的前提下，OLS是最有效率的，未考虑到存在异方差的情况，杜宾-吴-豪斯曼检验来充分考虑到异方差，更为稳健。杜宾-吴-豪斯曼检验的思想为，由二阶段最小二乘回归的第一阶段回归我们可得，“某一个变量为内生变量”的命题与“第一阶段回归的扰动项与原模型的扰动项不相关”等价，故检验二者的相关系数是否为0（t检验）即可。原假设为0，若拒绝原假设，则认为存在内生解释变量，否则认为所有解释变量均外生；考虑到可能存在异方差，则需要在t检验时使用稳健标准误；若存在多个内生解释变量，则可以对原假设进行F检验。6. 弱工具变量检验大致有四种方法。一是偏R-squared，在一阶段回归中，R-squared既可能包含了内生解释变量与工具变量相关性的信息，也可能包含了内生解释变量与其他解释变量的相关性信息，为了过滤掉这个信息，我们首先将内生解释变量对其他解释变量做回归，得到残差a，代表了内生解释变量中不能由其他解释变量解释的部分，接着将工具变量对其他解释变量做回归，得到残差b，代表了工具变量中无法由其他解释变量解释的部分，将残差a对残差b做回归，得到R-squared；二是对第一阶段回归中工具变量的回归系数进行F检验，经验规则是如果F统计量大于10，则可拒绝“存在弱工具变量”的原假设，不必担心弱工具变量问题；在多个内生解释变量的情况下，将有多个第一阶段回归，故有多个F统计量，此时可以使用“最小特征值统计量”，并依据临界值做出判断；三是假设扰动项独立同分布，则可使用“Cragg-Donald Wald F统计量”;四是若不假设独立同分布，则应使用“Kleibergen-Paap Wald rk F”统计量。解决弱工具变量的方法主要有三种。我们可以寻找更强的工具变量；其次，我们可以使用对弱工具变量更不敏感的“有限信息最大似然估计法”(Limited Information Maximum Likelihood Estimation，简称LIML)，在大样本下，LIML与2SLS是渐近等价的，但在存在弱工具变量的情况下，LIML的小样本性质可能优于2SLS。如果有较多工具变量，可舍弃弱工具变量，方法是对工具变量进行冗余检验。7. 在扰动项存在异方差或自相关，则GMM广义矩估计更为有效。GMM过度识别检验检验部分工具变量的正交性（外生性）使用异方差自相关稳健的标准误GMM命令8. 工具变量法的stata命令及实例
