KNOWECON WIKI

ARTICLE

外生变量

外生变量 (Exogenous Variable) 外生变量 (Exogenous Variable)，源自古希腊语 "exo" (意为“外部的”) 和 "gignomai" (意为“产生”)，是指在经济模型或统计模型中，其值由模型外部因素决定，而不是由模型内部的相互作用所解释的变量。简单来说，外生变量是模型的“输入”或“驱动力”，它们影响模型中的其他变量，

浏览 73 更新 2025-10-26

外生变量 (Exogenous Variable)

外生变量 (Exogenous Variable)，源自古希腊语 "exo" (意为“外部的”) 和 "gignomai" (意为“产生”)，是指在经济模型或统计模型中，其值由模型外部因素决定，而不是由模型内部的相互作用所解释的变量。简单来说，外生变量是模型的“输入”或“驱动力”，它们影响模型中的其他变量，但自身不受模型内其他变量的影响。

理解外生变量的关键在于其与 内生变量 (Endogenous Variable) 的区别。内生变量是模型试图解释和预测的变量，其值在模型系统内部通过求解方程组来确定。外生变量则被视为“给定的”(given) 或预先确定的。

可以将一个经济模型比作一个受控的科学实验。外生变量就像是实验中由研究人员控制或改变的条件（例如，药物的剂量），而内生变量则是实验中被观察和测量的结果（例如，病人的健康状况）。

形式化定义与特征

在一个由联立方程组构成的数学模型中，变量的总数通常多于方程的数量。为了使模型有唯一解，必须将一部分变量的值指定为外生给定的。

例如，考虑一个简单的宏观经济模型：

  1. 消费函数: C=a+b(Y−T) C = a + b(Y - T)
  2. 国民收入恒等式: Y=C+I+G Y = C + I + G

在这个系统中，我们有两个方程，但有五个变量：国民收入 (Y Y )、消费 (C C )、税收 (T T )、投资 (I I )、政府支出 (G G )。为了求解这个模型，我们必须做出选择。

通常，我们会将 T T 、I I 和 G G 视为 外生变量。

  • 政府支出 (G G ) 和 税收 (T T ) 通常由政治决策过程决定，而非由同期的国民收入水平决定。
  • 投资 (I I ) 在简化的凯恩斯模型中，常被假定为由企业家的“动物精神”等外在因素决定，而非由当期收入决定。

将 I I , G G , T T 视为外生后，我们就可以求解模型中的 内生变量 Y Y 和 C C ：

Y=a+b(Y−T)+I+GY = a + b(Y-T) + I + G
Y(1−b)=a−bT+I+GY(1-b) = a - bT + I + G
Y=a−bT+I+G1−bY = \frac{a - bT + I + G}{1-b}

一旦求出 Y Y ，就可以代入消费函数求出 C C 。在这个过程中，I I , G G , T T 的值是作为“输入”被代入公式的。

经济学中的例子

  1. 供给与需求模型 (Supply and Demand Model)：在一个单一市场的供需模型中，价格 (P P ) 和 数量 (Q Q ) 是典型的内生变量，由供给曲线和需求曲线的交点决定。而影响需求曲线位置的因素，如 消费者收入、替代品价格，或影响供给曲线位置的因素，如 天气状况（对于农产品）和 技术进步，都被视为外生变量。例如，一场干旱（外生冲击）会使农产品的供给曲线左移，从而导致新的均衡价格和数量，但干旱本身并不由该市场的价格决定。
  1. 货币政策 (Monetary Policy)：在许多宏观经济模型中，由中央银行控制的政策工具，如 政策利率 或 货币供给量，通常被处理为外生变量。经济学家通过分析这些外生政策变量的变化，来研究其对通货膨胀、失业率等内生变量的影响。

在计量经济学中的重要性：外生性假定

在计量经济学，尤其是回归分析中，外生性是一个至关重要的假定。在标准的线性回归模型中：

yi=β0+β1xi1+⋯+βkxik+ϵiy_i = \beta_0 + \beta_1 x_{i1} + \dots + \beta_k x_{ik} + \epsilon_i

一个核心的假定是，所有的解释变量 (explanatory variables) x x 都必须是 外生的。

这里的“外生性”有严格的统计含义，即 解释变量与随机扰动项 (Stochastic Error Term) ϵi \epsilon_i 不相关。数学上表示为：

E(xijϵi)=0for all i,jE(x_{ij} \epsilon_i) = 0 \quad \text{for all } i, j

这个假定的直观理解是：所有影响因变量 yi y_i 但未被模型包含的因素（这些因素都被归入了扰动项 ϵi \epsilon_i ），都不能与模型中的任何解释变量 x x 相关。

违反外生性假定的后果： 如果一个解释变量是内生的（即它与扰动项相关），那么使用普通最小二乘法 (OLS) 得到的回归系数将会是 有偏的 (biased) 和 不一致的 (inconsistent)。这意味着即使样本量无限增大，估计出的系数也不会收敛到其真实值。这种情况被称为 内生性问题 (Endogeneity Problem)，它是计量经济学中一个核心的挑战。

内生性问题的常见来源：

  • 遗漏变量偏误 (Omitted Variable Bias)：一个未被包含在模型中但同时影响因变量和某个解释变量的变量。例如，在估计教育回报（工资对教育年限的回归）时，若“个人能力”被遗漏，由于能力可能既影响教育水平又影响工资，教育变量就变为内生变量。
  • 联立性偏误 (Simultaneity Bias)：因变量和解释变量之间存在双向因果关系。例如，在分析警察数量对犯罪率的影响时，犯罪率高的地方可能会雇佣更多警察，同时警察数量也可能影响犯罪率。
  • 测量误差 (Measurement Error)：如果解释变量的测量存在误差，也可能导致其与扰动项相关。

为了解决内生性问题，计量经济学家发展了工具变量法 (Instrumental Variables, IV) 和广义矩估计 (Generalized Method of Moments, GMM) 等高级估计方法。

外生性是一个相对概念

需要强调的是，一个变量是外生还是内生，并非其固有属性，而是取决于 模型的设定和分析的范围。

  • 在一个分析单一商品市场的局部均衡模型中，消费者的总收入可以被合理地视为外生变量。
  • 然而，在一个分析整个经济的一般均衡模型中，国民总收入本身就是由模型内所有市场的生产、消费和交换活动共同决定的，因此它是一个内生变量。

因此，将一个变量设定为外生变量，是模型构建者基于研究问题所做的一种简化和抽象。这种选择反映了模型构建者的一种判断，即该变量对模型系统内部的影响是单向的，或者其反馈效应可以忽略不计。