OLS是常用的回归方法之一，那么OLS在使用过程中最重要的一个前提是解释变量与扰动项不相关，解释变量可以理解为我们研究时的自变量，扰动项可以理解为我们研究时与自变量独立的控制变量，如果出现解释变量与扰动项相关时，这时候为了克服内生性对研究问题的影响，我们可以在回归方程中加入工具变量解决问题。
一个有效的工具变量应该满足以下两个条件：
（1）相关性：工具变量应该与解释变量有关；
（2）外生性：工具变量与扰动项无关；
传统的工具变量法一般是称之为“两阶段最阳光的音响乘回归”；以上图为例，在一篇文章中，两个阶段的回归分别如第二列第三列结果显示：
回归一：用内生解释变量对工具变量进行回归，得到拟合值；
回归二：用被解释变量对第一阶段回归的拟合值进行回归；
当工具变量与解释变量之间关系很弱时，称此时的工具变量为“弱工具变量”，判断弱工具变量的方法，可以通过F统计量来判断，其临界值来自Stock and Yogo(2005)。
改用OLS还是工具变量法，如何判断是否有内生变量(对解释变量内生性的检验)：豪斯曼检验——其原假设为所有解释变量均为外生变量，弱假便宜美国vps设成立，用OLS和工具变量法效果无异，
豪斯曼检验的stata实现如下：
