互助问答第1090期：关于核心变量的问题

主要观点总结

文章主要解答了关于基准回归中核心解释变量为二次项时，如何进行工具变量回归的问题。同时介绍了工具变量的选择困难，常见做法是通过两阶段最小二乘法处理内生性问题。此外，文章还涉及有序probit模型中核心变量的交互项作为控制变量的问题，核心变量回归结果与预期相反的处理方法，以及其他相关导航推荐和联系信息。

关键观点总结

关键观点1: 核心解释变量为二次项时的工具变量回归

当基准回归的核心解释变量是二次项时，工具变量应能反映这种非线性变化。实际操作中，找到合适的工具变量可能很困难，通常的做法是找到与x线性相关的工具变量，通过两阶段最小二乘法处理内生性问题。

关键观点2: 有序probit模型中核心变量的交互项

在有序probit模型中，可以考虑添加关于核心变量的交互项作为控制变量。

关键观点3: 核心变量回归结果与预期相反的处理方法

当核心变量的回归结果与预期相反时，需要考虑重新检查模型设定、数据质量、变量测量误差等问题。