Eine Schätzmethode, die Instrumentalvariable-Identifikation umsetzt, indem zunächst endogene Regressoren auf Instrumente regressiert werden (erste Stufe) und dann das Outcome auf die in dieser Stufe vorhergesagten Werte regressiert wird (zweite Stufe), was unter IV‑Annahmen konsistente Koeffizientenschätzungen liefert.

Prinzip

Den endogenen Regressor durch seine vom Instrument vorhergesagte Komponente ersetzen, sodass die Zweitstufenregression Variation nutzt, die von dem mit dem strukturellen Fehler korrelierten Teil befreit ist; Standardfehler müssen die zweistufige Schätzung reflektieren.

Demonstration

Die kausale Rendite der Bildung mithilfe der Entfernung zur Universität als Instrument schätzen: Erste Stufe sagt Bildungsjahre aus Entfernung und Kontrollen voraus; zweite Stufe regrediert Einkommen auf die vorhergesagte Bildung, um einen konsistenten Effekt zu erhalten.

Fehlanwendung

2SLS mit schwachen Instrumenten anwenden, notwendige exogene Kontrollen in einer Stufe weglassen oder ignorieren, dass 2SLS bei heterogenen Effekten einen lokalen Effekt identifiziert, was zu irreführenden Schlussfolgerungen führt.

Konsequenz

Sind Instrumente valide und stark genug, liefert 2SLS konsistente Schätzungen kausaler Parameter (oft lokal); richtige Interpretation verlangt Angabe der Stärke der ersten Stufe und robuste Inferenz (z. B. geclusterte SEs, Tests auf schwache Instrumente).

Umkehrung

Direkte OLS‑Schätzung ohne Instrumentierung bei exogenen Regressoren oder die Verwendung vollinformationeller Methoden wie GMM in Mehrgleichungsmodellen als Alternative mit anderen Effizienzmerkmalen.

Abgrenzung

Gilt vor allem für lineare Strukturmodelle mit endogenen Regressoren und gültigen Instrumenten; löst nicht automatisch Nichtlinearitäten, binäre endogene Behandlungen erfordern vorsichtige Interpretation, und mehrere Instrumente bedürfen Überidentifikationstests.

Semantische Spannung

Spannung zu Alternativen wie LIML, GMM oder Kontrollfunktionsansätzen, insbesondere wenn Instrumente schwach sind oder das Modell nichtlinear ist.

Synthese

Zwei-Stufen-Kleinste-Quadrate sind die praktische Umsetzung der Instrumentalvariablen-Identifikation für lineare Modelle: den problematischen Regressor aus Instrumenten vorhersagen und diese vorhergesagte Komponente verwenden, um den kausalen Effekt zu schätzen, während die Inferenz durch Diagnostik und robuste Standardfehler abgesichert wird.