1 功能描述
多元线性回归中，基本假定之一是自变量对因变量有影响，而因变量不能对自变量有影响，否则将产生内生性问题。在经济问题分析中，内生性问题十分普遍，这时需要二阶段最小二乘法来对模型进行估计！
2 基准回归
我们以corporation_roe.sav的数据为例进行演示：通过上市公司财务数据来预测其净资产收益率（ROE）
双击打开corporation_roe.sav数据文件，其中roe是因变量，流动比率是主要的自变量，对数公司年龄和对数员工总数为控制变量。首先采用多元线性回归来进行分析！
在数据窗口中，依次点击“分析/回归/线性”。
在弹出的“线性回归”窗口中，将roe变量移到右侧的“因变量”框；将流动比率、对数公司年龄和对数员工总数等变量移到右侧的“自变量”框；
其他保持默认，点击确定进行运算。
运算完成后，输出窗口将给出相应的结果。系数表中，流动比率系数为1.204，显著性水平为0.016，因而流动比率对企业roe有显著影响！
3 二阶段最小二乘法
在上面的模型中，roe也可能会影响流动比率，或者某些共同因素（如企业管理水平）等同时引起roe和流动比率变化，因而模型中可能存在内生性问题。我们这里以企业的大股东持股比例作为工具变量，用于反应企业的管理水平（大股东持股比例越高倾向于更好的管理公司）。
在数据窗口中，依次点击“分析/回归/两阶段最小二乘法”。
在弹出的“二阶段最小二乘法”窗口中，将roe变量移到右侧的“因变量”框；将流动比率、对数公司年龄和对数员工总数变量移到右侧的“解释变量”框；将大股东持股比例，对数公司年龄和对数员工总数变量移到“工具变量”框。（注意：对数公司年龄和对数员工总数变量需要同时移到“解释变量”框和“工具变量”框）
其他保持默认，点击确定按钮进行运算。
运算完成后，输出窗口将给出相应的结果。ANOVA表中，显著性为0.002，因而模型整体解释能力较强。
系数表中，流动比率系数为5.932，显著性水平为0.146，大于0.05，因而流动比率对企业roe没有显著影响！
结合前面的多元线性回归可知，流动比率并不会对roe产生影响，但多元线性回归中由于存在内生性问题，导致估计结果产生偏差！