谢谢了

最近也遇到同样的问题，我用Control Function Method解决的。建议了解一下Control Function Method，该方法针对内生变量是离散情形，可以实现第一阶段是probit, logit, tobit回归，第二阶段是OLS。 推荐文献：Control Function Methods in Applied Econometrics， Jeffrey M. Wooldridge ，2015.
此外，针对内生变量是离散情形，直接用2sls也是能得到一致估计的，只是有效性没有Control Function Method那么好。也就是说内生变量是离散情形也是可以用2sls进行估计。推荐文献：Instrumental Variables and the Search for Identification: From Supply and Demand to Natural Experiments，Angrist & Krueger，2001，第12页有提到。

谢谢，学习一下。

谢谢，学习一下。

你好，请问你的这个问题最后解决了么

实际上第一阶段回归的类型就决定了你是否充分利用了信息，比如第一阶段是二元变量，传统的iv回归，直接用ols来进行第一阶段的拟合，显然，这会损失大量信息，更重要的是传统的IV回归，将第二阶段中的所有控制变量都纳入第一阶段，这显然不合理。鉴于这种情况，我们使用FIML的方法，即完全信息极大似然法来估计，这种估计会更加准确。针对第一阶段是二元变量的回归，第二阶段是连续变量时，我们使用stata的eregress命令，eregress y x1 x2，endog(x3=z1, probit) vce(robust), 如果第一阶段是tobit模型的话，建议使用CMP命令，当然这些都可以运用控制方程法，这种方法比较灵活，能够充分利用变量提供的信息。

您好，我浏览了下这篇文章，好像并没有具体的stata代码呢