Hilbe两步法中，第二步加入残差项回归，残差项显著但系数太小怎么解决？
目前针对条件Logit模型，参考已有文献多采用Hilbe两步法解决。其中第一步为解释变量对工具变量和控制变量进行OLS回归并预测残差项，第二步采用计数模型（即泊松和负二项）用被解释变量对解释变量、残差项和控制变量进行回归。在第二步回归中残差项显著但系数太小，换了很多工具变量仍然系数很小，请问如何解决？
本文采用的命令如下：

reg index（解释变量） lniv（工具变量） real_room_level_w unemp_rate_w real_GDP_L_w high hosp green_w Internet_w number pro i.province i.year , r
predict rhoz,r
nbreg num（被解释变量） index（解释变量） rhoz（残差项） real_room_level_w unemp_rate_w real_GDP_L_w high hosp green_w Internet_w number pro i.province i.year , nolog
margins, eyex(index rhoz )
poisson num index real_room_level_w unemp_rate_w real_GDP_L_w high hosp green_w Internet_w number pro i.province i.year , nolog
margins, eyex(index rhoz)


以上命令借鉴中国工业经济《城市生态文明建设与新一代劳动力流动》
由于本文需计算平均概率弹性，第二段平均概率弹性中残差项系数太小