why R-squared is a t-distribution?

工具变量 (Instrumental variables) 的作用到底是什么？

精简一下文字描述：instrumental variables 跟 x 跟 y 的逻辑关系要怎么准确的描述？

最近刚开始学 applied econometrics，刚接触了 endogenous，IV variables 什么的。

我目前自己的理解是，explanotory variable 如果是 endogenous，就说明这个
variables 并不能最好的 estimate 我们的 model。也就是说它会跟 IV variables
correlated。 那 IV variables 到底是一个什么，书上给的定义是它是一个工具，去更好的
测量 x 跟 y 的关系。那我可以理解为，x 是被 IV 影响的吗？但是 IV 是不可以直接跟 Y
correlated 但是因为它影响了 X，所以也影响了 Y，这不也算是 correlated 吗？ 有大神
能给我梳理一下他们的关系吗？感觉书上没有说的很清楚。谢谢！！万分感谢！！！

谢邀，工具变量其实就可以看作是一个过滤器。

要想让 OLS 估计的准，我们总是希望把因变量 Y 拆成两个独立的部分，一部分是自变量 X 和

参数 ，另一部分是我们无法控制的扰动 。而如果这两者不正交，那么做回归的时候，有些因
素就可以 在 X 和 之间游走不定，因为我们没法控制，所以我们无从知道这个游走不定，暗地
里联系着 X 和 的因素到底会在估计出来的参数中如何体现，体现多少，是在 X 身上分配多一
点，还是隐含在残 差里面多一点……所以这样就导致 OLS 估计不准，这也是所谓的内生性问题。
要解决这个问题，我们想做的就是找一个过滤器，把 X 中和 相关的部分过滤掉，只剩下正交
的部 分，这样 OLS 就又重振雄风了。工具变量就是这个过滤器。 拿常见的 2SLS 做例子，第一
步是先用工具变量 Z 做自变量，对 X 进行回归，然后得出一系列的参数。 这一步的意义在于，
把 X 分成两个部分，由 Z 决定的部分，和于 Z 无关的部分，这两者之间是正交的 关系。 而因
为工具变量的定义就是和 X 有关而和 无关，所以把 X 拆开的这两部分，由 Z 决定的部分自然
也 和 无关，而另外那部分，就是我们要过滤掉的渣子——X 中蕴含着的和 相关的东西。 扔掉
渣子很简单，就是用拟合值 来代替真的 X，这样相当于把 X 清洗了一遍，所有和我们 无法控
制的因素相关的都被工具变量过滤掉了，代入到原来的方程式中回归，就能得到更准的估计
了。
理想情况下，工具变量 Z 和自变量 X 强相关，然后和 无关，这就是找对了合适的过滤器，渣
子都 清洗掉了，剩下的是纯正的 OLS 的味道；但是有的时候 Z 虽然和 无关，但是和 X 关系也
不大，这就相当于过滤网孔相对太细，能够留下来的部分很少，受到样本的影响也会更大，这
个时候就是我 们说的弱工具变量了。