Frisch-Waugh-Lovell 定理

Frisch-Waugh-Lovell 定理

Frisch-Waugh-Lovell定理（简称FWL定理）是计量经济学和统计学中关于多元线性回归模型的一个基础且极具直觉意义的定理。该定理通过代数方法证明：在多元回归模型中某一个回归元的估计系数，可以通过一系列辅助回归或"剔除"其他变量影响后的两步法回归获得——结果与完整多元回归的系数估计完全等同。该定理以Ragnar Frisch、Frederick V. Waugh和Michael C. Lovell命名，是理解最小二乘法（OLS）几何性质和偏回归系数含义的核心工具。

定理陈述与核心思想

将自变量矩阵$X$划分为感兴趣变量集$X_1$和控制变量集$X_2$，模型为$y = X_1\beta_1 + X_2\beta_2 + \epsilon$。FWL定理指出$\hat{\beta}_1$的OLS估计量可完全通过三步获得。

第一步：剔除$X_2$对$y$的影响——将$y$对$X_2$回归，取残差向量$\tilde{y}$（$y$中无法被$X_2$解释的部分）。第二步：剔除$X_2$对$X_1$的影响——将$X_1$每一列对$X_2$回归，取残差矩阵$\tilde{X}_1$（$X_1$中与$X_2$正交的部分）。第三步：将$\tilde{y}$对$\tilde{X}_1$回归得$\hat{\beta}_1$。第三步得到的估计量与原始完整模型的$\hat{\beta}_1$完全相同，且辅助回归的残差也与原始模型残差相同。

投影矩阵的几何解释与数学推导

FWL定理可通过线性代数中投影矩阵和消灭矩阵精确理解。投影矩阵$P_Z = Z(Z'Z)^{-1}Z'$将向量投影到$Z$的列空间中。消灭矩阵（残差制造矩阵）$M_Z = I - P_Z$将向量投影到与$Z$列空间正交的补空间中。FWL定理的操作实质是左乘$M_2 = I - X_2(X_2'X_2)^{-1}X_2'$：$\tilde{y} = M_2 y$，$\tilde{X}_1 = M_2 X_1$。由此回归方程$M_2 y = (M_2 X_1)\beta_1 + \nu$所给的$\hat{\beta}_1$即为原始方程解。

数学推导可从正规方程和分块回归展开。正规方程为$X'X\hat{\beta} = X'y$，分块表示为关于$(X_1, X_2)$的分块矩阵方程。利用Frisch-Waugh-Lovell分块矩阵求逆公式（分块矩阵求逆引理），可以直接推导出$\hat{\beta}_1 = (\tilde{X}_1'\tilde{X}_1)^{-1}\tilde{X}_1'\tilde{y}$——即第三步辅助回归的OLS解。

统计含义与应用

FWL定理为理解"控制了其他变量"提供了精确的数学定义：在"控制$X_2$"下考察$X_1$对$y$的影响，实质是从$y$和$X_1$中都剔除$X_2$的线性影响后考察剩余部分之间的关系——这体现了偏相关（Partial Correlation）思想。在经验应用中，FWL定理解释了为什么添加控制变量会改变核心解释变量的系数估计——只有当新加入的变量与核心解释变量相关时系数才会改变。在遗漏变量偏差分析中，FWL定理提供了简洁框架：遗漏变量的偏差等于遗漏变量对因变量的影响乘以核心变量与遗漏变量的回归系数。该定理在固定效应模型的吸收（组内去均值）运算、工具变量估计的两阶段最小二乘解释以及断点回归设计等现代计量方法中也有广泛应用。FWL定理以其简洁的代数结构将抽象的多元回归分解为直观的分步操作，是连接OLS理论与现代因果推断方法的桥梁。