外生性

外生性 (Exogeneity)

外生性 (Exogeneity) 是计量经济学和统计建模中的核心概念，也是建立可靠因果推断关系的基础。一个解释变量若被称为外生的，意味着其变动由模型外部因素决定，而非由模型内部变量或随机扰动决定。外生变量是一个"纯粹的输入"或独立驱动因素。在线性回归模型中，外生性假设要求解释变量与模型的误差项 (Error Term) 不相关，这是获得无偏和一致参数估计量的关键前提。外生性的对立面是内生性 (Endogeneity)，即解释变量与误差项存在相关性，是导致模型估计偏误的主要来源。

形式化定义

考虑标准线性回归模型：

其中 $y_i$ 为因变量，$x_i$ 为解释变量，$\beta_0, \beta_1$ 为待估参数，$u_i$ 为误差项。外生性假设指解释变量与误差项不相关，有三种强度层次：

1. 同期外生性 (Contemporaneous Exogeneity)：最弱的要求，即 $E(x_i u_i) = 0$。在多元回归 $y = X\beta + u$ 中写作 $E(x_{ij}u_i)=0$ 对所有 $j$。满足此条件时，最小二乘法 (OLS) 估计量是一致的 (Consistent)。
2. 严格外生性 (Strict Exogeneity)：更强的假设，常用于面板数据和时间序列分析，即 $E(u_i \mid X) = 0$，其中 $X$ 为所有解释变量的观测矩阵。若严格外生性成立，OLS 估计量不仅是一致的，而且是无偏的 (Unbiased)。
3. 序列外生性 (Sequential Exogeneity)：也称预定性 (Predeterminedness)，强度介于前两者之间。要求误差项与同期及过去的解释变量不相关，但可能与未来的解释变量相关：$E(u_t \mid x_t, x_{t-1}, \ldots) = 0$。该假设在自回归模型中至关重要。

外生性的重要性

外生性假设是计量经济学估计的基石，其重要性体现在三个方面：

1. 保证估计的无偏性和一致性：违背外生性会导致 OLS 估计量有偏且不一致。即使海量数据下，估计参数也可能系统性偏离真实值，得出误导性结论。
2. 实现因果推断：经济学研究关心的不仅是变量间的相关性，更是因果关系。仅当解释变量外生时，回归系数 $\beta_1$ 才能解释为 $x$ 对 $y$ 的边际因果效应。若存在内生性，估计量仅反映混合了相关性、反向因果和混杂因素的复杂关系。
3. 政策评估的有效性：基于不满足外生性假设的模型提出的政策建议不可靠。例如，若最低工资的设定本身与地方经济状况（存在于误差项中）相关，则模型会错误估计最低工资对就业的影响，导致政策建议产生负面后果。

破坏外生性的主要原因

内生性主要来自三类问题：

1. 遗漏变量偏误 (Omitted Variable Bias)：未被纳入模型但同时影响 $y$ 和 $x$ 的变量，其效应被吸收到误差项 $u$ 中，导致 $x$ 与 $u$ 相关。例如：研究教育对收入的影响时遗漏"个人能力"——能力既影响受教育水平，又影响收入。
2. 联立性或反向因果 (Simultaneity / Reverse Causality)：$x$ 影响 $y$ 的同时，$y$ 也反作用于 $x$。例如：警察数量影响犯罪率，但犯罪率也影响警察数量的配置决策。
3. 测量误差 (Measurement Error)：观测值 $x^* = x + v$ 含随机误差 $v$。代入原模型得 $y = \beta_0 + \beta_1 x^* + (u - \beta_1 v)$，新误差项与解释变量因共享 $v$ 而相关。

检验与处理方法

检验方法：

豪斯曼检验 (Hausman Test)，也称 Durbin-Wu-Hausman 检验，是检验内生性的经典方法。其基本思想是比较 OLS 估计量（仅在外生性成立时一致）与工具变量法 (IV) 估计量（在内生性存在时也一致）。若两者差异显著，则强烈表明外生性假设不成立。

处理方法：

1. 工具变量法 (Instrumental Variable, IV)：最常用的方法。合格的工具变量 $z$ 须满足两个条件：相关性——$z$ 与内生解释变量 $x$ 高度相关；外生性（排除性限制）——$z$ 与误差项 $u$ 不相关，即 $z$ 仅通过 $x$ 间接影响 $y$。
2. 面板数据模型：使用固定效应模型或一阶差分可消除不随时间变化的遗漏变量（如个体天生能力、地区固定文化），部分解决内生性。
3. 随机对照试验 (RCT)：通过随机分配处理变量 $x$，从根本上打破 $x$ 与潜在误差项的相关性，确保外生性，因而被公认为建立因果关系的"黄金标准"。

与外生变量的关系

外生变量 (Exogenous Variable) 是外生性概念在经济学模型中的载体。在供给需求模型中，价格和交易量是内生变量，由模型内部均衡条件决定；而消费者收入、技术水平、天气条件和政策税率通常被设定为外生变量，它们影响供给或需求曲线的位置，但模型不解释其变动。在IS-LM模型中，政府支出、货币供给和价格水平被设定为外生政策变量，利率和总产出则是内生变量。区分外生变量与内生变量是经济建模的起点，其设定反映了研究范围的选择——同一变量（如技术进步率）在索洛增长模型中外生，在内生增长理论中则被内生化。

常见误区

• 将前定变量等同于严格外生变量：前定变量仅要求与当期误差项不相关，但可能与过去误差项相关（如在含滞后因变量的模型中）。
• 将政策变量天然视为外生：政策制定往往是对经济状况的回应，OLS 估计会产生同时性偏误。
• 外生性是相对于特定模型而言的：没有绝对外生的变量，只有"对某一模型外生"的变量。同一变量在不同分析层次中可能切换内外生角色。