不需要全部显著，或者说不显著的你也可以删除。最重要的是，一阶段要有工具变量。

公众号的作者您好，我就是那个经常在你公众号文章下接连问了好几次关于heckman回归问题的的那个人。
又有新的问题要问你了。
使用heckman不管是用mle还是两步法，结果好像都是显示不存在样本选择偏差：
LR test of indep. eqns. (rho = 0):   chi2(1) =     2.23   Prob > chi2 = 0.1351
mills            |
       lambda |  -.3127927   .6019516    -0.52   0.603    -1.492596    .8670107
但是同时主要解释变量在这个模型里，相比ols回归变得很不显著。
1.请问这样是可以表示模型不存在样本选择偏差，使用ols回归就可以吗或者说像陈强老师书中所提的因为二者独立不存在选择偏差，可以使用归并回归？
2.在heckman中，当  lambda不显著时，主要解释变量也是不显著，能说明主要解释变量对被解释变量是没有影响的吗？

请问工具变量需要显著吗？

在Heckman选择模型的第一阶段，即Probit模型中，并非所有的解释变量都必须显著。理论上，只要模型能够准确地预测出样本的选择过程（即谁进入了样本，谁没有进入），就可以。这通常通过检验逆米尔斯比（Inverse Mills Ratio, IMR）是否显著来实现，如果IMR显著，则说明第一阶段的Probit模型能够有效地捕捉选择机制。

然而，在实践中，如果第一阶段的许多变量都不显著，可能意味着模型的选择机制描述得不够好，或者存在其他未观察到的影响因素。此时，你可以考虑调整模型设定，比如增加更多与选择相关的解释变量，或检查数据是否存在测量误差等问题。

另外，值得注意的是Heckman两阶段模型中的解释变量需要满足条件独立性假设（即非选择性的部分与选择过程是独立的），否则结果可能有偏误。因此，在构建第一阶段的选择模型时，除了考虑显著性外，还要注意变量是否符合理论预期以及是否能够合理地描述选择机制。

此文本由CAIE学术大模型生成，添加下方二维码，优先体验功能试用