不懂的疑虑：为什么不少学仁都要逮着“内生性问题”不放？
作为一个学术后辈，我个人认为学术交流和研究具有复杂性和开放性，没有一个学术问题探讨是自我封闭的，尤其是社会科学中因果关系的分析，需要不断的努力探索和发展。
大家都知道，社会科学领域研究中的“因果关系”分析，在实证研究范畴中经常会遇到所谓的“内生性问题”。众所周知，内生性问题的产生，是有多重因素影响引起的，从而产生了不同类型的处理方案，比如工具变量法、
Heckman
二阶段法、安慰剂分析法、倾向得分匹配法等一系列五花八门的分析方法，而且这类内生性问题处理方法也在进一步完善和发展中，这也是为什么近些年来又有很多统计方法不断出现，如
DID
方法、断点回归分析法等。当然，这些方法的使用都要各自安好应用环境和条件，需要区别对待和运用。
其中，工具变量法是最为重要的一种内生性处理方法，也是大家常用且易懂的方法。但是，在运用该方法的时候，我们经常会遇到一个非常重要的问题：如何去寻找一个合适且有效的工具变量呢？的确，这是个学术难题，它难处不仅仅在于我们个人能力的有限性，而且还在于客观世界的复杂性带来的学术偏好，以致影响学术审稿的客观性。
众所周知的是，在社会科学领域，进行实证研究难以避开所考察因素之间的双向因果，即内生性问题。对此，在实际研究操作过程中，工具变量法（instrumental variable method）依然是解决内生性问题的最为有效方法之一，而且相比较而言，对基于调查数据的定量分析，工具变量方法具有独特优势，已构成解决内生性问题的常见方法（陈强，
2013
；陈云松，
2012
；
Krueger
，
1991
）。但是，如何寻找可靠合适的工具变量，增加了解决内生性问题的难度。
从因果关系的分析来看，社会科学中因果关系的分析经常被因果关系中的“反向因果”所困扰，这是为什么呢？因为社会科学中很多社会经济现象的发生都是多重因素交织在一起的影响结果，以我们目前的个人主观臆断和能力，显然是我们无法剥离谁是因、谁是果？或许，这也是为什么很多学术同仁在中国知网搜索文献时，经常会遇到似“鸳鸯”类的文献，如：一篇文章主题是“
A
对
B
的影响研究”，一篇文章主题是“
B
对
A
的影响研究”。那么，我们就产生一种疑虑：到底是谁影响谁呢？相信这类奇怪的选题，你也遇到过不少好！
也正因为有这种风气或计量潮流的影响，现在学界有关工具变量的探讨，尤其是在学术论文审稿中或者学术会议中，很多审稿人或点评人似乎存在明显的偏好性和误导性，喜欢“乱点谱”，逮着“内生性问题”不放，比如：
1
、一提意见就指点他人文章因果关系中的内生性问题。
2
、随意批评别人工具变量的合理性但又不提啥建设性意见。
3
、过于重视因果关系中内生性问题，由此拒稿。
4
、追求吸引眼球的工具变量。……
需要说明的是，在学术规范上，本人是不反对去重视实证分析中的内生性问题，反而为了应对审稿人的要求，每次做了不少内生性问题的处理方案。但是，在这个内生性问题的讨论方面，每个学术人都应该有个节制的程度，针对内生性问题分析的问题上，我们应该做到“有理有据、合情合理”，而不是随意就来“内生性问题”，我们主要从以下几个方面去把关内生性问题：内生性问题你处理重视与否、计量方法的准确性、工具变量度量的合理性、工具变量的外生性，以及内生性问题理论分析阐述等方面。
实际上，由于经济活动的影响因素繁多复杂，以及经济数据的噪音影响，去寻找一个完全独立于因变量、且仅对自变量产生影响的外生变量是一项艰巨的任务，找到好的工具变量是非常之艰难（陈云松，2012），但康奈尔大学知名计量社会学家
Morgan
（
2002
）认为，由于社会科学问题的影响因素较为复杂，只要能和其他方法进行比较和相互补充，就可以更大胆、更冒险地发现和使用工具变量，哪怕工具变量具有明显瑕疵的外生性或无法完全消除质疑，也是值得提倡的。
为此，我们尽心去努力的是：根据所考察的主题来为寻找合适的工具变量把关，不仅从理论分析上认为所选取的工具变量的适宜性，而且还应通过统计分析来检验工具变量的外生性（即弱工具变量检验），以尽可能地寻找一个恰当的工具变量，运用工具变量法来减轻内生性问题对结论所产生的影响偏误。
所以，在学术探讨上，大家要保持一种开放的思维来分析学术问题，内生性问题是一个极为复杂的统计问题和社会现象，更需要我们的深思熟虑去看待问题的解决方案和态度。而且，内生性问题的解决，也并不会因为你寻找了一个工具变量、进行了一个内生性处理命令，就可以得到很好或者完全解决的。
当然，也许你认为我的观点不对，但你想想：你认为你文章的内生性问题，真的处理好了吗？你找的工具变量真的完全“外生”吗？不好意思，也许主效应他们两者之间根本没有什么关系……
