把命令，结果都列出来再说

ivregress 2sls zc cq top10 kzq incentive _Iyear_2007- _Iyear_2011 _Iquarter_2- _Iquarter_4 ( gfs= turnover)
Instrumental variables (2SLS) regression               Number of obs =2153
                                               Wald chi2(12) =150.49
                                               Prob > chi2=0.0000
                                               R-squared=0.0430
                                               Root MSE=5.0753
zc        Coef.                   Std. Err.          z         P>z            [95% Conf.Interval]
gfs        0.1702086        0.1182592        1.44        0.15        -0.061575        0.4019923
cq        0.130911        0.2838817        0.46        0.645 -0.4254869 0.6873088
top        -0.2327748 0.2474539 -0.94 0.347 -0.7177756        0.252226
kzq        0.0185478        0.0082124        2.26        0.024        0.0024517        0.0346438
dj        0.1076753        0.3283269        0.33        0.743        -0.5358337        0.7511842
_Iyear_2007        0.1881388        0.4435216        0.42        0.671        -0.6811476        1.057425
_Iyear_2008        0.2628076        0.5439462        0.48        0.629        -0.8033074        1.328923
_Iyear_2009        0.4355235        0.4480617        0.97        0.331        -0.4426612        1.313708
_Iyear_2010        0.9299378        0.482219        1.93        0.054        -0.015194        1.87507
_Iyear_2011        0        (omitted)                               
_Iquarter_2        -0.9248143        0.3040731        -3.04        0.002        -1.520787        -0.328842
_Iquarter_3        -3.101653        0.3241959        -9.57        0        -3.737065        -2.466241
_Iquarter_4        -3.093437        0.3375791        -9.16        0        -3.75508        -2.431794
_cons        0.2412993        0.8163248        0.3        0.768        -1.358668        1.841266

Instrumented:  gfs
Instruments:   cq top kzq dj _Iyear_2007 _Iyear_2008
               _Iyear_2009 _Iyear_2010 _Iquarter_2 _Iquarter_3 _Iquarter_4
               turnover


est store s1

estat endogenous

  Tests of endogeneity
  Ho: variables are exogenous

  Durbin (score) chi2(1)          =  1.28259  (p = 0.2574)
  Wu-Hausman F(1,2139)            =  1.27501  (p = 0.2590)

reg  zc gfs cq top kzq dj _Iyear_2007- _Iyear_2011 _Iquarter_2- _Iquarter_4  
Source            SS                         df            MS                       Number of obs        =        2158
                                                                        F( 12,  2145)        =        13.09
Model        3955.74107        12        329.645089        Prob > F        =        0
Residual        54001.3268        2145        25.1754437        R-squared        =        0.0683
                                                                     Adj R-squared        =        0.063
Total               57957.0678               2157        26.8692943        Root MSE        =        5.0175

zc        Coef.                  Std. Err.        t        P>t               [95% Conf.        Interval]
gfs        0.0395621        0.0171167        2.31        0.021        0.005995        0.0731292
cq        -0.03397020.2367339        -0.14        0.886        -0.4982221 0.4302816
top        -0.22523        0.2442484        -0.92        0.357        -0.7042183 0.2537584
kzq        0.0160725        0.0077804        2.07        0.039        0.0008146        0.0313304
dj        0.1759356        0.3192654        0.55        0.582        -0.4501664 0.8020375
_Iyear_2007        -0.7114387        0.3701129        -1.92        0.055        -1.437256        0.0143789
_Iyear_2008        -0.8599351        0.3628242        -2.37        0.018        -1.571459        -0.1484113
_Iyear_2009        -0.5238285        0.3481084        -1.5        0.133        -1.206494        0.1588366
_Iyear_2010        0        (omitted)                               
_Iyear_2011        -0.7066458        0.4332518        -1.63        0.103        -1.556283        0.1429916
_Iquarter_2        -0.9757586        0.2962496        -3.29        0.001        -1.556725        -0.3947921
_Iquarter_3        -3.087783        0.3197989        -9.66        0        -3.714932        -2.460635
_Iquarter_4        -2.980229        0.3200872        -9.31        0        -3.607943        -2.352516
_cons        1.667542        0.4482864        3.72        0        0.7884208        2.546663


est store s2

. hausman s1 s2

b = consistent under Ho and Ha; obtained from ivregress
          B = inconsistent under Ha, efficient under Ho; obtained from regress

    Test:  Ho:  difference in coefficients not systematic

                 chi2(11) = (b-B)'[(V_b-V_B)^(-1)](b-B)
                          =    -9.13    chi2<0 ==> model fitted on these
                                        data fails to meet the asymptotic
                                        assumptions of the Hausman test;
                                        see suest for a generalized test

命令和结果都贴出来了，请各位老师指点迷津

以下都是个人意见，纯供楼主参考，不必太较真。

1. 为什么 工具变数法的样本观测数 与 OLS的样本观测数 不一样呢？ 如果是工具变数的问题导致前者样本数较少， 建议调成一样再执行， 我个人不确定调整后会不会改变检定结果， 不过这项小问题，肯定会有明眼人提出的。

2.  我们都知道Hausman捡定是备受争议的，当然，这项检定一般是在同方差的假设，这也是为什么楼主您会再执行D-W-H的检定。虽然楼主一直很关心Hausman检定统计值为负的问题，其实保守来说，负值可视为我们运用统计科学的方法，依然没有找到拒绝的有力证据。最后，如果我遇到楼主状况的话，也许简单的OLS就可以了！【或许楼主会觉得这样好吗？ 这样不就丧失工具变数法这样的大杀器？】我个人是见过国外有paper检定和模型变化一堆，最后该paper的结论也是以OLS为主，不过，该paper最后是投在作者自己当主编的期刊。

3.  如果楼主您还是很坚持工具变数法的话，那么建议重新再检视您的工具变数，因为从目前的结果报表中，无法判定您这个工具变数好不好，如果从理论或从实证的捡定结果都显示您这工具超棒又牛，那人家不会多说什么，如果不是，那就再找一个好的工具变数吧！新的工具变数，代表新的希望。总之，工具变数绝对是审稿委员与读者们关注的焦点，请楼主务必再三检视。