KNOWECON WIKI

ARTICLE

Exogenous Variable

外生变量 (Exogenous Variable) 外生变量（Exogenous Variable）是经济学和计量经济学中的基本概念，指在一个模型或系统中由系统外部因素决定、不受系统内部机制影响的变量。外生变量的取值被视为给定的（given），模型不试图解释其来源或变动原因，而是将其作为输入条件来分析其对内生变量（Endogenous Variable）的影

浏览 0 更新 2025-11-01

外生变量 (Exogenous Variable)

外生变量（Exogenous Variable）是经济学和计量经济学中的基本概念，指在一个模型或系统中由系统外部因素决定、不受系统内部机制影响的变量。外生变量的取值被视为给定的（given），模型不试图解释其来源或变动原因，而是将其作为输入条件来分析其对内生变量（Endogenous Variable）的影响。该术语源于希腊语 exo（外部）和 gignesthai（产生），直观地表达了"从外部产生"的含义。

经济学中的外生变量

在经济理论建模中，外生变量与内生变量的区分是模型构建的起点。以经典的供给需求模型为例，市场价格 PP 和交易数量 QQ 是典型的内生变量——它们由模型内部的供求均衡条件共同决定。而消费者收入、相关商品价格、技术水平、天气条件（对农产品而言）、政策税率等通常被视为外生变量：它们影响供给或需求曲线的位置，但模型本身并不解释这些变量的变化。

在IS-LM模型中，政府支出 GG、货币供给 MM、价格水平 PP 被设定为外生变量（政策变量），而利率 rr 和总产出 YY 是内生变量。类似地，在索洛增长模型（Solow Growth Model）中，储蓄率 ss、人口增长率 nn 和技术进步率 gg 是外生参数，资本存量和人均产出则是模型决定的内生变量。

外生变量的设定往往反映了研究范围的选择：将哪些因素纳入模型解释（内生化），哪些因素置于模型之外（外生化），取决于研究问题的焦点和分析的层次。同一变量在一个模型中可能是外生的，在另一个更宏观或更微观的模型中则可能成为内生的。例如，技术进步率在索洛模型中为外生，而在内生增长理论（Endogenous Growth Theory）中被内生化。

计量经济学中的外生性

在计量经济学中，外生性（Exogeneity）是回归模型一致估计的核心前提条件。对于一个线性回归模型：

yi=β0+β1xi+εiy_i = \beta_0 + \beta_1 x_i + \varepsilon_i

变量 xx 的外生性意味着它与误差项 ε\varepsilon 不相关。若外生性不成立（即 xx 为内生变量），普通最小二乘法（OLS）的估计量将是有偏且不一致的。

计量经济学文献区分了外生性的三个层次：

  1. 弱外生性（Weak Exogeneity）：在参数推断中，外生变量的模型可以独立于内生变量的模型进行估计而不损失信息。这是大多数单方程回归模型隐含的假设。
  2. 强外生性（Strong Exogeneity）：在弱外生性的基础上，还要求内生变量的过去值不对外生变量的未来值产生格兰杰因果关系。强外生性对于预测和政策模拟至关重要。
  3. 超外生性（Super Exogeneity）：当外生变量的分布参数发生变化（如政策体制转变）时，条件模型的参数保持恒定不变。这一概念由 Engle、Hendry 和 Richard（1983）提出，是卢卡斯批判（Lucas Critique）的直接回应：只有超外生变量才能用于可靠的反事实政策分析。

外生性的识别与检验

在实践中，判断一个变量是否外生并非易事。常用的检验方法包括：

  • Hausman检验：比较 OLS 估计量与工具变量（IV）估计量的差异。二者在零假设（变量外生）下应趋于一致；显著差异则表明存在内生性问题。
  • Durbin-Wu-Hausman检验（DWH 检验）：在回归框架内检验特定变量的内生性，是 Hausman 检验在回归模型中的具体化。
  • 过度识别约束检验（如Sargan检验）：在工具变量数量超过内生解释变量时，检验工具变量是否与误差项无关，间接验证外生性假设。

外生变量、工具变量与实验方法

当某一解释变量怀疑为内生时，研究者需寻找工具变量（Instrumental Variable, IV）进行两阶段最小二乘法（2SLS）估计。有效的工具变量须满足两个条件：与内生解释变量高度相关（相关性条件），且与误差项不相关（外生性条件，或称排除性限制 exclusion restriction）。寻找好的工具变量是应用微观计量经济学的核心挑战。

近年来，随机对照试验（RCT）、自然实验、断点回归设计（RDD）和双重差分法（DID）等准实验方法的兴起，本质上都是通过研究设计实现外生变异（Exogenous Variation）——即构造一个可视为"如同随机分配"的处理变量，从而获取一致的因果效应估计。这些方法的可信度高度依赖于外生性假设是否满足。

外生变量与内生变量：核心对比

外生变量与内生变量的区分是经济学建模的根基，二者的关键差异可归纳如下：

  • 决定方式：外生变量的取值由模型外部因素决定，模型将其视为给定输入；内生变量的取值由模型内部均衡条件或行为方程联合决定。
  • 因果方向：外生变量影响内生变量，但内生变量不反作用于外生变量。在联立方程系统中，外生变量只出现在方程右侧。
  • 统计性质：在计量回归中，外生变量与误差项不相关（Cov(x,ε)=0\mathrm{Cov}(x, \varepsilon) = 0），因而 OLS 估计量一致；内生变量与误差项相关，OLS 不一致。
  • 模型角色：外生变量常代表政策工具、环境条件或不可控的外部冲击；内生变量代表模型试图解释的"结果"。

常见误区与注意事项

将变量归类为外生须谨慎。常见的错误包括：将前定变量（Predetermined Variable）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，但可能与过去的误差项相关（如在包含滞后因变量的模型中）；将政策变量天然视为外生——政策的制定往往是对经济状况（内生变量）的回应，OLS 估计将产生同时性偏误（Simultaneity Bias）。此外，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。