KNOWECON WIKI

ARTICLE

遗漏变量

遗漏变量 (Omitted Variable) 遗漏变量是计量经济学中导致估计偏差的核心问题之一。当真实的数据生成过程包含某个相关变量 Z，但研究者设定的回归模型中未纳入该变量时，便发生遗漏变量问题。其直接后果是遗漏变量偏差 (Omitted Variable Bias, OVB)：剩余解释变量系数的OLS估计量丧失一致性，其概率极限不再等于真实的因果参数。

浏览 3 更新 2026-07-14

遗漏变量 (Omitted Variable)

遗漏变量是计量经济学中导致估计偏差的核心问题之一。当真实的数据生成过程包含某个相关变量 ZZ，但研究者设定的回归模型中未纳入该变量时，便发生遗漏变量问题。其直接后果是遗漏变量偏差 (Omitted Variable Bias, OVB)：剩余解释变量系数的OLS估计量丧失一致性，其概率极限不再等于真实的因果参数。OVB 是理解内生性、推动因果识别方法论发展的原动力之一。

遗漏变量偏差的数学结构

设真实模型为：

Y=β0+β1X+β2Z+ε,E[ε∣X,Z]=0Y = \beta_0 + \beta_1 X + \beta_2 Z + \varepsilon,\quad \mathbb{E}[\varepsilon \mid X, Z] = 0

研究者错误地估计了短回归 Y=β~0+β~1X+uY = \tilde{\beta}_0 + \tilde{\beta}_1 X + u。由Frisch-Waugh-Lovell定理，短回归系数 β^1short\hat{\beta}_1^{\text{short}} 的概率极限为：

plim⁡β^1short=β1+β2⋅Cov⁡(X,Z)Var⁡(X)\operatorname{plim} \hat{\beta}_1^{\text{short}} = \beta_1 + \beta_2 \cdot \frac{\operatorname{Cov}(X, Z)}{\operatorname{Var}(X)}

其中 β2⋅Cov⁡(X,Z)Var⁡(X)\beta_2 \cdot \frac{\operatorname{Cov}(X, Z)}{\operatorname{Var}(X)} 即为遗漏变量偏差。偏差的方向取决于两个因子的符号：被遗漏变量 ZZ 对 YY 的真实效应 β2\beta_2 的符号，以及 ZZ 与包含变量 XX 的协方差方向。当两者同号时偏差为正，异号时为负；若 Cov⁡(X,Z)=0\operatorname{Cov}(X, Z) = 0，则遗漏变量不造成偏差——这是随机对照试验中随机分配消除 OVB 的理论依据。

产生偏差的充要条件

遗漏变量导致 OLS 估计不一致必须同时满足两个条件：

  1. 相关性条件：遗漏变量 ZZ 与已包含的解释变量 XX 相关，即 Cov⁡(X,Z)≠0\operatorname{Cov}(X, Z) \neq 0。若 ZZ 与 XX 正交，遗漏 ZZ 仅增大残差方差而不影响 β^1\hat{\beta}_1 的一致性。
  2. 结果相关性条件：遗漏变量 ZZ 对因变量 YY 存在独立偏效应，即 β2≠0\beta_2 \neq 0。若 β2=0\beta_2 = 0，遗漏 ZZ 也不产生偏差。

两个条件缺一不可。这一洞察直接指导了实证策略的选择：通过随机化打破 XX 与 ZZ 的相关性（条件一），或通过控制变量法将 ZZ 纳入模型（条件二），均可消除 OVB。

典型场景与经济学实例

教育回报率估计是遗漏变量偏差的经典案例。在工资方程 ln⁡(wage)=β0+β1educ+ε\ln(\text{wage}) = \beta_0 + \beta_1 \text{educ} + \varepsilon 中，若遗漏能力 (ability)——能力既影响教育获得又与工资正相关——则 Cov⁡(educ,ability)>0\operatorname{Cov}(\text{educ}, \text{ability}) > 0 且 βability>0\beta_{\text{ability}} > 0，导致 OLS 高估教育的真实回报。这催生了工具变量（如义务教育法、出生季度）、双胞胎数据、断点回归等识别策略。

价格弹性估计中，若仅用价格对数量做回归而遗漏需求冲击（如消费者偏好变化），则价格与误差项相关，产生典型的 simultaneity bias（联立性偏差）。Working 在 1927 年的经典讨论正是围绕这一识别难题展开。

政策评估中，若是否接受培训与个体的不可观测动机相关——高动机者更可能参与培训且本身收入潜力更高——遗漏动机将导致培训效应的有偏估计。Heckman选择模型和固定效应模型均是对此类偏差的回应。

诊断与修正策略

诊断方法：Ramsey RESET检验可检测模型设定错误（含遗漏变量的函数形式）；Hausman检验通过比较 OLS 与 IV 估计量的一致性差异间接推断内生性；从理论出发的系数稳定性分析——如Altonji-Elder-Taber方法——通过观测纳入可观测控制变量后核心系数变化的幅度，间接评估不可观测遗漏变量的潜在影响。

修正策略依数据类型与识别条件可分四类：

  1. 纳入代理变量：当遗漏变量本身不可观测但存在可观测的代理指标（如用 IQ 测试成绩代理能力），将其纳入模型可部分缓解偏差。
  2. 工具变量 (IV)：寻找与 XX 相关但与遗漏变量无关的工具变量，通过两阶段最小二乘法（2SLS）恢复一致估计。IV 的有效性取决于相关性与外生性两个条件。
  3. 面板数据方法：若遗漏变量为不随时间变化的个体异质性（如能力、文化），固定效应模型通过一阶差分或组内去均值消除其影响；双重差分在政策评估中利用时间与处理状态的交互消除时不变不可观测因素。
  4. 随机化实验：随机分配处理组与控制组，从源头上切断 XX 与任何遗漏变量（可观测或不可观测）的统计关联，是消除 OVB 的黄金标准。

延伸与理论关联

遗漏变量偏差与更广泛的内生性理论紧密相连。测量误差可视为遗漏"真实值"的一种特殊情形；联立方程中的反馈效应导致解释变量与结构误差相关，其本质是遗漏了方程系统的结构信息。在机器学习语境下，遗漏变量对应着高偏差模型设定——若真实数据由非线性或高维特征生成而模型仅使用线性低维特征，等同于系统性地遗漏了高阶项与交互项，导致欠拟合与预测偏差。理解遗漏变量偏差，是连接经典计量与因果推断现代范式的桥梁。