KNOWECON WIKI

ARTICLE

遗漏变量偏误

遗漏变量偏误 (Omitted Variable Bias) 遗漏变量偏误 (Omitted Variable Bias, OVB) 是统计学和计量经济学中回归分析的一个核心问题。当一个本应被包含在模型中、且它既能影响因变量又与模型中至少一个自变量相关的变量，被错误地从模型中遗漏时，就会产生这种偏误。其结果是，模型中的普通最小二乘法 (OLS) 估计量会产生

浏览 166 更新 2025-10-25

遗漏变量偏误 (Omitted Variable Bias)

遗漏变量偏误 (Omitted Variable Bias, OVB) 是统计学和计量经济学中回归分析的一个核心问题。当一个本应被包含在模型中、且它既能影响因变量又与模型中至少一个自变量相关的变量，被错误地从模型中遗漏时，就会产生这种偏误。其结果是，模型中的普通最小二乘法 (OLS) 估计量会产生系统性的偏差和不一致性，导致我们对变量间关系的推断出现错误。

理解和处理遗漏变量偏误是进行可靠的实证研究，尤其是建立因果关系推断的基础。

产生遗漏变量偏误的两个条件

遗漏变量偏误的发生必须同时满足以下两个条件：

  1. 相关性条件 (Relevance Condition)：被遗漏的变量必须是因变量 YY 的一个决定因素。换句话说，如果该变量被包含在"真实"的模型中，其系数不为零。
  2. 相关性条件 (Correlation Condition)：被遗漏的变量必须与模型中包含的至少一个自变量 XX 相关。即，它们的协方差或相关系数不为零。

如果仅仅满足第一个条件，而遗漏的变量与所有包含的自变量都不相关，那么它的影响会被吸收进模型的误差项中，但这不会导致对其他变量系数的估计产生偏误，只会增大误差项的方差。如果仅仅满足第二个条件，即遗漏变量与自变量相关，但它本身不影响因变量，那么遗漏它并不会对模型造成任何问题。

只有当这两个条件同时成立时，OLS估计量才会系统地将遗漏变量对因变量 YY 的部分影响错误地归因于与之相关的自变量 XX，从而产生偏误。

数学解释

为了更清晰地理解偏误是如何产生的，我们考虑一个简单的线性回归模型。假设"真实"的理论模型如下：

Yi=β0+β1X1i+β2X2i+uiY_i = \beta_0 + \beta_1 X_{1i} + \beta_2 X_{2i} + u_i

其中：

  • YiY_i 是因变量。
  • X1iX_{1i} 和 X2iX_{2i} 是两个自变量。
  • β0,β1,β2\beta_0, \beta_1, \beta_2 是真实的模型系数。
  • uiu_i 是满足 OLS 基本假设的误差项，特别是 E[ui∣X1i,X2i]=0E[u_i|X_{1i},X_{2i}]=0。

现在，假设研究者由于数据不可得等原因，遗漏了变量 X2X_2，而估计了下面这个"简化的"模型：

Yi=α0+α1X1i+viY_i = \alpha_0 + \alpha_1 X_{1i} + v_i

我们使用 OLS 方法来估计 α1\alpha_1，得到的估计量是 α^1\hat{\alpha}_1。我们关心的是 α^1\hat{\alpha}_1 的期望值 E[α^1]E[\hat{\alpha}_1] 是否等于真实的系数 β1\beta_1。

根据 OLS 的公式：

α^1=∑i=1n(X1i−Xˉ1)(Yi−Yˉ)∑i=1n(X1i−Xˉ1)2\hat{\alpha}_1 = \frac{\sum_{i=1}^n (X_{1i} - \bar{X}_1)(Y_i - \bar{Y})}{\sum_{i=1}^n (X_{1i} - \bar{X}_1)^2}

将真实的模型代入上式，可以得到 α^1\hat{\alpha}_1 的期望值：

E[α^1]=β1+β2⋅δ1E[\hat{\alpha}_1] = \beta_1 + \beta_2 \cdot \delta_1

其中，δ1\delta_1 是将遗漏变量 X2X_2 对包含的变量 X1X_1 进行辅助回归得到的系数：

X2i=δ0+δ1X1i+ϵiX_{2i} = \delta_0 + \delta_1 X_{1i} + \epsilon_i

这个 δ1\delta_1 捕捉了 X1X_1 和 X2X_2 之间的线性关系，其值等于 Cov(X1,X2)/Var(X1)Cov(X_1, X_2) / Var(X_1)。

因此，α^1\hat{\alpha}_1 的偏误为：

Bias=E[α^1]−β1=β2⋅δ1\text{Bias} = E[\hat{\alpha}_1] - \beta_1 = \beta_2 \cdot \delta_1

这个公式清楚地展示了 OVB 的两个条件：

  • 如果 β2=0\beta_2 = 0（条件1不满足），则偏误为零。
  • 如果 δ1=0\delta_1 = 0（意味着 X1X_1 和 X2X_2 不相关，条件2不满足），则偏误也为零。

只有当 β2≠0\beta_2 \neq 0 且 δ1≠0\delta_1 \neq 0 时，偏误项 β2⋅δ1\beta_2 \cdot \delta_1 才不为零，α^1\hat{\alpha}_1 才是一个有偏估计量。由于这个偏误不会随着样本量的增加而消失，所以它也是一个不一致的估计量。

判断偏误的方向

在实际研究中，即使我们无法获得遗漏变量的数据，我们通常也可以根据理论来判断偏误的方向（高估或低估）。偏误的方向由 β2\beta_2 和 Corr(X1,X2)Corr(X_1, X_2)（其符号与 δ1\delta_1 相同）的符号共同决定。

  • 正向偏误：E[α^1]>β1E[\hat{\alpha}_1] > \beta_1，即我们高估了 X1X_1 对 YY 的影响。
  • 负向偏误：E[α^1]<β1E[\hat{\alpha}_1] < \beta_1，即我们低估了 X1X_1 对 YY 的影响（甚至可能得到错误的符号）。

经典示例：教育回报率的估计

假设我们想研究教育对个人收入的影响，估计了以下模型：

log⁡(Wages)=α0+α1⋅Education+v\log(\text{Wages}) = \alpha_0 + \alpha_1 \cdot \text{Education} + v

这里，我们很可能遗漏了一个重要的变量：个人能力 (Ability)。

  • 条件1 (Relevance)：能力通常会直接影响工资。能力更强的人，即使教育水平相同，也可能获得更高的工资。因此，真实模型中能力的系数 β2\beta_2 应该大于零 (β2>0\beta_2 > 0)。
  • 条件2 (Correlation)：受教育年限和个人能力很可能是正相关的。能力更强的人可能更擅长学习，也更愿意接受更长时间的教育。因此，Corr(Education,Ability)>0Corr(\text{Education}, \text{Ability}) > 0。

由于 β2>0\beta_2 > 0 且相关性为正，偏误 β2⋅δ1\beta_2 \cdot \delta_1 是正的。这意味着我们估计出的教育回报率 α^1\hat{\alpha}_1 会系统性地高于真实的回报率 β1\beta_1。我们把一部分由"能力"带来的工资溢价，错误地归因于"教育"了。

OVB的后果与解决方案

后果：

  • 系数估计有偏且不一致：模型系数无法准确反映变量之间的真实关系。
  • 错误的因果推断：可能得出完全错误的结论，例如将相关性误认为因果关系。
  • 政策建议失效：基于有偏误的模型得出的政策建议可能是无效甚至有害的。

解决方案：

  1. 包含遗漏变量：最直接的方法。如果在数据收集中能够测量并包含所有相关的控制变量，OVB问题就可以被解决。
  2. 使用代理变量 (Proxy Variables)：寻找一个与不可观测的遗漏变量高度相关的可观测变量作为其代理。例如，使用IQ测试得分作为"能力"的代理变量。
  3. 面板数据方法：如果拥有追踪多个个体多年的面板数据，可以使用固定效应模型 (Fixed Effects Model) 来消除那些不随时间变化的遗漏变量所带来的偏误。
  4. 工具变量法 (Instrumental Variables, IV)：当存在内生性问题（OVB是其主要来源之一）时，可以使用IV回归。这需要找到一个"工具变量"，它与内生自变量相关，但与误差项不相关。
  5. 随机对照试验 (Randomized Controlled Trials, RCTs)：被认为是解决OVB的黄金标准。通过随机分配处理，RCT在设计上切断了自变量与其他所有潜在遗漏变量之间的相关性，从而使条件2不成立，从根本上消除了偏误。