工具變數法(IV)：

是為了解決一個違反經典假設問題而設計的，假設條件是：解釋變數與隨機擾動項不相關。如果出現了違反該假設的問題，就需要找一個和解釋變數高度相關的、同時和隨機擾動項不相關的變數。要注意的問題是，工具變數的設定除了上述兩個條件以外，工具變數的個數至少要大於或者等於解釋變數的個數，常數項是預設的工具變數，和隨機擾動項不相關的解釋變數也可以作為工具變數。

兩階段最小二乘法：

其本質上是屬於工具變數法，迴歸分兩個階段進行，因此而得名。第一階段，解釋變數對工具變數進行迴歸，得到解釋變數的擬合值（估計值）；第二階段，得到的解釋變數擬合值對被解釋變數進行迴歸，即為TSLS(2SLS)的迴歸結果。

首先利用最小二乘對所有解釋變數進行迴歸分析，得到的結果如上，從結果可以看出所有的引數估計值都沒有通過t檢驗，相伴概率均大於0.05。於是我們嘗試用逐步迴歸來篩選變數。首先，我們從邏輯上判斷x2（中國人口數）是基礎變數，不能刪掉。

具體步驟：然後Equation——Estimate——Method(中選擇“STEPLS-Stepwise Least Squares”)——第一個空白格保留y和x2和c——其餘變數移到“List of search regressors”——點選Option——將“Stopping Criteria”（停止準則）部分的“p-value”修改為0.05.。

上述結果表明，除了x1被保留外，其他x3,x4,x5均被刪除。