连享会金秋十月-空间计量专题研讨班

连享会：内生性问题及估计方法专题

壹

内生性的来源

之前在讲OLS的假设时说过（OLS及其假设），假设对于得到参数的一致估计至关重要，该假设意味着解释变量与扰动项不相关。事实上，该假设是OLS能够成立的最为重要的条件。但与此同时，该假设又过于严格或者过于理想化，实际的经济问题研究中经常会发现解释变量与扰动项相关。由于会导致参数估计不一致，因此，解释变量与扰动项相关便产生了我们常说的内生性问题。又由于在实践中很难得到满足，因此，内生性问题是一个大家都普遍面临和绕不开的问题。一般来说，存在以下三种情况会使得：

1.变量的测量误差

变量的测量误差可以分为被解释变量的测量误差和解释变量的测量误差，这两者产生的后果是不一样的。当被解释变量存在测量误差时，并不会对模型中估计参数的一致性造成任何不利影响，但也并非全然无害，它会增大渐进方差。而当解释变量存在测量误差时：，也就是说，实际观测到的是，真实无偏差的却是，当对模型进行估计时，测量误差项会进入扰动项，进而使得，因此，解释变量的测量误差会导致内生性。陆铭老师以前特意写了个短评，强调对于核心解释变量一定要能够准确地度量，不要似是而非含糊不清，更不要用“用xxx来代理核心解释变量”。

2.遗漏变量偏误

经济关系错综复杂，影响被解释变量的因素可能成千上万，我们往往难以将那些重要的影响因素一网打尽，因此遗漏变量偏误问题似乎也在所难免。不过，遗漏变量也可以分为遗漏了与解释变量不相关的变量，以及遗漏了与解释变量相关的变量。对于前者，由于遗漏变量与解释变量不相关，因而遗漏的变量进入扰动项后，扰动项仍然与解释变量不相关，即解释变量参数估计的一致性不受影响。对于后者，遗漏的变量进入扰动项后则会导致。

3.反向因果

反向因果是说X在影响Y的同时（在这个模型中，Y是被解释变量），Y也会对X产生影响（在这个模型中，X摇身一变为被解释变量）。很显然，这个时候有。在实际做论文的过程中，反向因果问题应当是最需要重点

转载请注明:http://www.linkencar.com/rkmz/25053.html