首先，过度识别检验只能是在工具变量的数量多于内生变量的数量的情况下，才能进行。
H0: 所有工具变量都是有效的
原理：当工具变量外生的时候，那么工具变量只能通过内生变量来影响Y，和模型中的外生变量、残差项无关。所以可以将工具变量回归后的残差当作被解释变量，外生变量和工具变量当作解释变量，看工具变量对于残差项是否有解释能力。
1. ivregress，这里没有直接计算，应该使用overid 的命令来计算，储存在 r(overid) r(overidp)中，分别是统计量和统计量的p值
2. ivreg2，ivreghdfe。都是使用Sargent-hansen检验，J 统计量。这里比较推荐使用ivreghdfe，J统计量及P值储存在e(j) e(jp)里面，在outreg2可以直接输出
2. ivprobit，ivtobit，这里没有直接计算工具变量的过度识别检验，因此应该使用overid来计算，储存在 r(overid) r(overidp)中，分别是统计量和统计量的p值
H0: 所有工具变量都是有效的
原理：当工具变量外生的时候，那么工具变量只能通过内生变量来影响Y，和模型中的外生变量、残差项无关。所以可以将工具变量回归后的残差当作被解释变量，外生变量和工具变量当作解释变量，看工具变量对于残差项是否有解释能力。
1. ivregress，这里没有直接计算，应该使用overid 的命令来计算，储存在 r(overid) r(overidp)中，分别是统计量和统计量的p值
2. ivreg2，ivreghdfe。都是使用Sargent-hansen检验，J 统计量。这里比较推荐使用ivreghdfe，J统计量及P值储存在e(j) e(jp)里面，在outreg2可以直接输出
2. ivprobit，ivtobit，这里没有直接计算工具变量的过度识别检验，因此应该使用overid来计算，储存在 r(overid) r(overidp)中，分别是统计量和统计量的p值
