Frisch-Waugh-Lovell_定理

Frisch-Waugh-Lovell 定理 (FWL Theorem)

Frisch-Waugh-Lovell定理（FWL定理）是计量经济学和统计学中的一个基本定理，在线性回归分析理论中占有核心地位。该定理指出在多元线性回归模型中，任何一个或一组回归系数的最小二乘法（OLS）估计值，可以通过分步回归程序得到——核心思想是"部分剔除"（partialling out）：从因变量和目标自变量中分别剔除其他控制变量的影响，然后对处理后的残差进行回归。该定理以挪威经济学家Ragnar Frisch、美国经济学家Frederick V. Waugh和英国经济学家Michael C. Lovell命名，为理解多元回归系数的含义提供了深刻直观解释。

定理陈述与数学基础

考虑模型$y = X_1\beta_1 + X_2\beta_2 + \epsilon$，其中$X_1$为核心解释变量、$X_2$为控制变量矩阵。FWL定理采用三步程序获得$\hat{\beta}_1$：第一步将$y$对$X_2$回归取残差$\tilde{y} = M_2 y$（$y$中剔除$X_2$的部分），其中$M_2 = I - X_2(X_2'X_2)^{-1}X_2'$为消灭矩阵；第二步将$X_1$每列对$X_2$回归取残差矩阵$\tilde{X}_1 = M_2 X_1$（$X_1$中与$X_2$正交的部分）；第三步将$\tilde{y}$对$\tilde{X}_1$回归。第三步的$(\tilde{X}_1'\tilde{X}_1)^{-1}\tilde{X}_1'\tilde{y}$得到的估计量与原始完整模型中$\hat{\beta}_1$的OLS估计量数值完全相同，残差也相同。

直观解释与计量应用

FWL定理为"控制变量"提供了精确的代数定义。当我们说在保持$X_2$不变的条件下考察$X_1$对$y$的影响时，FWL定理表明这等价于考察$y$和$X_1$中与$X_2$无关的变动之间的相关关系。这一思想与偏回归系数的概念一致——偏回归系数衡量的是一个解释变量在排除了其与模型中其他解释变量的共线性部分后对因变量的净影响。

在计量经济学实践中，FWL定理有广泛应用。在面板数据的固定效应模型中，组内估计量（within estimator）通过减去组均值消除不随时间变化的个体效应——这正是FWL定理的直接应用：将$y$和$X$对个体虚拟变量回归取残差等价于组内变换。在遗漏变量偏差的代数分解中，FWL定理提供了解析框架：遗漏变量偏差等于待遗漏变量对$y$的真实效应乘以目标变量对遗漏变量的回归系数。在工具变量估计中，两阶段最小二乘法（2SLS）的第一阶段回归和第二阶段的简化都可以通过FWL定理来表述。在线性回归模型的矩阵表示和OLS估计量理论性质的推导中，FWL定理是许多代数证明的便捷工具。FWL定理以其清晰简洁的代数结构，将复杂的多元回归概念化繁为简——不仅是教学工具，更是计量理论推导的核心装置。