第一步，分析你的解释变量为什么会导致模型内生。测量偏误、遗漏变量、还是反向因果？搞清楚内生性的来源是解决内生性问题的关键。

第二步，根据内生性的来源选择研究方案。比如使用IV方法，是比较常见的。但构造一个IV很不容易，要多看文献、要对data熟悉，甚至还需要一些发散性思维。还可以从模型的角度来考虑，比如DID、DDD、RD、SCM等等。这些模型在因果推断中也十分常用。

解释变量的个数比较多？一般一个模型，就主要研究一个因素（当然你可以有控制变量）。你如果想研究X1、X2、X3对Y的影响，可以为X1、X2、X3分别构建模型。一篇小论文，讨论清楚一个X1就足够了。

好的，谢谢嗷！其实还想知道的是，考虑内生变量的各种回归模型适用什么类型的变量？例如，eregress、eprobit、ivprobit以及eoprobit等模型适用于何种类型的变量？

使用help命令查看对应命令的文档，还可以阅读文档最后给出的参考文献以及详细的manual，一清二楚！