IV 估计的有限样本性质对工具变量的选取十分敏感，尤其是存在弱工具变量
的时候。本文研究了常用的IV估计——2SLS的最优工具变量选取方法。首先，通过对2SLS
估计量进行 Nagar 分解，从理论上推导出估计量的近似 MSE 表达式。接着，根据推导出的
MSE表达式，给出了IV估计的最优工具变量选取准则，并证明了选取准则在近似MSE意义
下的最优性。最后，通过Monte Carlo模拟，考察了选取准则的有限样本表现。模拟结果显
示：本文提出的工具变量选取准则可以很好的近似真实的近似 MSE，而且，相比普通的 IV
估计，利用该选取准则选出的工具变量进行估计偏差更小。该研究为实证中面临的工具变量
选择问题提供了理论依据。