知经 KNOWECON
登录 注册

知经百科 / W

外生性检验

外生性检验 (Exogeneity Test)

在计量经济学中，外生性检验是一类用于判断回归模型中解释变量是否与随机误差项相关的统计检验程序。外生性（exogeneity）是保证普通最小二乘法（OLS）估计量具有无偏性和一致性的核心假设。当解释变量与误差项相关时，即出现内生性问题，OLS估计量将是有偏且不一致的，此时需要借助工具变量（IV）等方法进行修正。外生性检验的本质，是在OLS估计与IV估计之间进行形式化的统计比较：如果二者在概率极限上收敛于同一真值，则外生性假设未被拒绝；如果二者存在显著差异，则说明存在内生性，应当优先信赖IV估计结果。

外生性的定义

在经典线性回归模型 Y=Xβ+εY = X\beta + \varepsilon 中，解释变量 XX 的外生性条件为：

E[εi∣X]=0或等价地Cov⁡(Xj,ε)=0∀jE[\varepsilon_i \mid X] = 0 \quad \text{或等价地} \quad \operatorname{Cov}(X_j, \varepsilon) = 0 \quad \forall j

当这一条件满足时，OLS估计量 β^OLS=(X′X)−1X′Y\hat{\beta}_{\text{OLS}} = (X'X)^{-1}X'Y 是一致的。若条件不满足（XX 内生），则 plim⁡β^OLS≠β\operatorname{plim} \hat{\beta}_{\text{OLS}} \neq \beta，估计量以概率收敛到一个错误的数值。

外生性可以进一步区分为：

  • 严格外生性 (Strict Exogeneity)：对所有 i,ti, t，E[εi∣X1,…,Xn]=0E[\varepsilon_i \mid X_1, \ldots, X_n] = 0。这在时间序列数据中是一个较强的条件，排除反馈效应。
  • 同期外生性 (Contemporaneous Exogeneity)：E[εt∣Xt]=0E[\varepsilon_t \mid X_t] = 0，允许 XtX_t 与过去的误差项存在相关性，常见于时间序列模型。
  • 前定变量 (Predetermined)：E[εt∣Xt−1,Xt−2,…]=0E[\varepsilon_t \mid X_{t-1}, X_{t-2}, \ldots] = 0，但 XtX_t 可能与当期或未来的 ε\varepsilon 相关。

Hausman 检验

Hausman 检验（Hausman, 1978）是外生性检验中最经典、应用最广泛的框架。其核心思想是构建两个估计量：(1) 在原假设（外生性成立）下均为一致，但其中一个更有效的估计量（通常是OLS）；(2) 在备择假设（内生性）下仍保持一致，但在原假设下效率较低的估计量（通常是IV估计量，如两阶段最小二乘法(2SLS)）。如果两个估计量在统计上显著不同，则拒绝外生性假设。

设 β^OLS\hat{\beta}_{\text{OLS}} 为OLS估计量，β^IV\hat{\beta}_{\text{IV}} 为使用有效工具变量的IV估计量。Hausman检验统计量构建如下：

H=(β^IV−β^OLS)′[Var⁡^(β^IV)−Var⁡^(β^OLS)]−1(β^IV−β^OLS)H = (\hat{\beta}_{\text{IV}} - \hat{\beta}_{\text{OLS}})' \left[\widehat{\operatorname{Var}}(\hat{\beta}_{\text{IV}}) - \widehat{\operatorname{Var}}(\hat{\beta}_{\text{OLS}})\right]^{-1} (\hat{\beta}_{\text{IV}} - \hat{\beta}_{\text{OLS}})

在原假设 H0:Cov⁡(X,ε)=0H_0: \operatorname{Cov}(X, \varepsilon) = 0 下，H→dχK2H \xrightarrow{d} \chi^2_K，其中 KK 为被怀疑存在内生性的解释变量数量（即需要检验外生性的变量数量）。若 HH 统计量超过临界值，则拒绝外生性原假设，建议采用IV估计。

重要前提：Hausman检验的有效性依赖于工具变量的有效性——即工具变量必须满足相关性（与内生变量相关）和外生性（与结构误差项不相关）两个条件。如果工具变量本身无效，则检验结果不可靠。

Durbin-Wu-Hausman (DWH) 检验

Durbin-Wu-Hausman 检验是 Hausman 检验的一种简便回归实现形式，特别适用于检验单个或多个变量的内生性。其操作步骤如下：

第一步骤：将疑似内生的变量 XendoX_{\text{endo}} 对所有外生变量（包括模型中的外生解释变量 XexoX_{\text{exo}} 和工具变量 ZZ）作OLS回归，得到残差 v^\hat{v}：

Xendo=Xexoπ1+Zπ2+vX_{\text{endo}} = X_{\text{exo}}\pi_1 + Z\pi_2 + v

第二步骤：在原始回归式中加入第一步骤的残差 v^\hat{v}：

Y=Xβ+v^γ+εY = X\beta + \hat{v}\gamma + \varepsilon

如果 γ=0\gamma = 0 的t检验（单变量情形）或F检验（多变量情形）不显著，则不能拒绝外生性原假设；如果 γ\gamma 显著不为零，则拒绝外生性假设，表明 XendoX_{\text{endo}} 确实内生。

这一程序与控制函数法（Control Function Approach）密切相关。本质上，第一步骤的残差 v^\hat{v} 捕捉了 XendoX_{\text{endo}} 中与 ε\varepsilon 相关的变动成分。如果这一成分能在第二步骤中解释 YY 的变动，则说明存在内生性。

Wu 检验

Wu (1973) 提出的检验在形式上与 DWH 检验类似，但使用略有不同的有限样本调整。Wu 检验通过比较限制性残差平方和（OLS）与无限制性残差平方和（加入残差项后的回归）来构建 F 统计量。在小样本中，Wu 的 F 检验可能比 Hausman 的 χ2\chi^2 检验有更好的有限样本性质。

过度识别约束检验

在工具变量数量超过内生变量数量时（即方程过度识别的情形），可以进行过度识别约束检验来间接检验工具变量（而非解释变量）的外生性。

Sargan 检验（Sargan, 1958）和Hansen J 检验（Hansen, 1982）是两种常用的过度识别检验。其基本思路是：在恰好识别时，IV估计自动使矩条件 E[Z′(Y−Xβ^IV)]=0E[Z'(Y - X\hat{\beta}_{\text{IV}})] = 0 精确成立，无法检验工具变量的外生性。但在过度识别的情况下，多余的矩条件提供了检验所需的信息——如果所有工具变量都是外生的，那么从IV残差对工具变量作回归的 R2R^2 应当接近于零。

检验统计量为：

J=ε^′Z(∑i=1nZi′Ziε^i2)−1Z′ε^→dχm−k2J = \hat{\varepsilon}'Z\left(\sum_{i=1}^n Z_i'Z_i \hat{\varepsilon}_i^2\right)^{-1}Z'\hat{\varepsilon} \xrightarrow{d} \chi^2_{m-k}

其中 mm 为工具变量个数，kk 为内生变量个数，m−km-k 为过度识别约束数。Sargan 检验假设同方差，而 Hansen J 检验使用广义矩方法（GMM）加权矩阵，在异方差和自相关情形下更为稳健。

注意：过度识别检验不能替代 Hausman 检验。过度识别检验检验的是工具变量的外生性，而 Hausman 检验检验的是解释变量的外生性。两者回答不同的问题，在实证研究中往往需要同时报告。

弱工具变量问题与外生性检验

弱工具变量（Weak Instruments）是指工具变量与被怀疑内生的解释变量之间仅存在微弱的相关性。在弱工具变量的情况下：

  1. IV估计量向OLS估计量的方向偏倚，即使在大样本下收敛速度也很慢。
  2. Hausman 检验的检验功效（power）显著降低，容易错误地"不拒绝外生性"。
  3. 过度识别检验也倾向于过度拒绝（即错误地判断工具变量无效）。

因此，在进行外生性检验之前，必须首先检验工具变量的强度。常用的判断标准是第一阶段 F 统计量：Stock 与 Yogo (2005) 建议的经验法则是，如果第一阶段回归中排除工具变量的 F 统计量低于 10，则存在弱工具变量问题。在此情况下，建议使用对弱工具变量更稳健的推断方法，如有限信息最大似然法(LIML)或 Anderson-Rubin 检验。

实证应用建议

在实证研究中，外生性检验的规范操作流程通常包括以下步骤：

  1. 明确内生性来源：理论分析哪些解释变量可能与误差项相关（例如，由于遗漏变量、测量误差或联立性等原因）。
  2. 选择工具变量：寻找与内生变量高度相关且与误差项不相关的工具变量，并论证其经济含义。
  3. 第一阶段诊断：报告第一阶段回归的 F 统计量和偏 R2R^2，判断是否存在弱工具变量问题。
  4. 实施 Hausman/DWH 检验：正式检验怀疑内生变量的外生性。如果检验不拒绝外生性，通常报告OLS结果（更有效）；如果拒绝外生性，则报告IV估计结果。
  5. 过度识别检验（如工具变量个数允许）：报告 Sargan 或 Hansen J 检验结果，提供工具变量有效性的间接证据。
  6. 稳健性讨论：讨论工具变量的可信度、在不同工具变量组合下的结果稳定性，以及使用LIML等替代估计方法的结果。

局限性

外生性检验并非万能。其根本局限在于：检验的可靠性完全取决于工具变量的质量，而工具变量的外生性本身是不可直接检验的（需要经济学理论论证）。一个"通过"了外生性检验的结果并不能证明OLS估计是无偏的；同样，一个"拒绝"了外生性检验的结果也只有在工具变量有效的条件下才有意义。因此，外生性检验应被视为实证诊断工具箱中的一项参考指标，而非决定性的证据。

返回百科索引