内生性产生的原因及解决方案
内生性问题
导致内生性的主要原因
1：遗漏变量，且遗漏变量与引入模型的其他 变量相关。 2：解释变量和被解释变量相互作用，相互影 响，互为因果。
有内生性仍有OLS估计的后果
• 系数估计有偏且不一致。 • 举例说明： • 数学证明：略
内生性问题的解决： 工具变量估计
• 工具变量：假定我们有一个可观测到的变 量Ｚ，它满足两个假定 (1): Z与U不相关，即Cov(Z,U)=0; (2): Z与X相关，即Cov(Z,X) ≠ 0. 我们则称Z是X的工具变量 （instrumental variable 简称IV） 举例：
IV与OLS的取舍
（2）所以，当内生性程度不严重或者好的工 具变量找不到时，还不如用OLS。反之， 当内生性程度严重时，就一定要想办法解 决，否则，OLS估计就是不可接受的，当 然，差的IV同样是不可接受的。
好的工具变量的识别
(1): Z与U不相关，即Cov(Z,U)=0; 由于U无法观察，因而难以用正式的工具 进行测量，通常由经济理论来使人们相信 (2): Z与X相关，即Cov(Z,X) ≠ 0. 将X对Z回归即可，看看X的系数是否显著 易于零？
十四讲 内生性问题
本讲内容
• 什么是内生性 • 导致内生性的主要原因 • 有内生性仍有OLS估计的后果 • 内生性的解决办法——工具变量估计 • 内生性的诊断 • 内生性的其它解决办法
什么是内生性
• 内生性：就是模型中的一个或多个解释变 量与随机扰动项相关。或者写成: COV（ui，Xi） ≠ 0 。
两个注意事项
• IV法适合于大样本， • 工具变量除了满足 (1): Z与U不相关，即Cov(Z,U)=0; (2): Z与X相关，即Cov(Z,X) ≠ 0. 这两个条件外，工具变量Z应该与Y不直接相 关。为什么？
我国货币内生性原因
三、我国货币供给内生性的原因内生性货币供给使得中央银行以货币供给量为中介的宏观调控政策难以奏效。
导致我国货币供给内生性，从而中央银行货币供给控制力减弱的主要原因有以下四个方面。
（1）存款外流程度、商业银行经营政策等因素都会影响超额准备金的持有量；居民收入、市场利率、金融资产多元化程度、对未来预期等因素会影响持有金融资产的行为，导致居民现金持有量发生变化。
而超额准备金的持有量和现金漏出是影响货币乘数的重要变量，⑥二者随经济内生变量的波动导致了货币乘数的不稳定性和不可测性；同时，监管部门对商业银行的监管要求、商业银行资产负债选择以及社会公众行为偏好等因素，也会导致货币乘数的长期不可测。
（2）在经济转轨时期，一方面，由于经济增长的粗放模式和投融资体制的缺陷，财政和企业的预算软约束在投资饥渴症的刺激下，必然转化为银行信贷的软约束，从而形成“适应性内生货币供给”式的“倒逼机制”，导致信贷规模失控；另一方面，由于国有商业银行不存在破产的风险，因此它们对利润的关心远远超过对自身安全的关注。
当前，对于商业银行的监管机制尚不健全，监管指标还不尽科学，例如，当前存贷比指标监管还未采用日均存贷比，⑦这被认为是银行过度放贷冲动和月末恶性揽储大战的重要原因。
因此，当商业银行超额准备金和库存现金的减少使得银行系统出现支付危机时，中央银行则不得不增加对商业银行的贷款，这将不可避免地导致基础货币供给的增加。
（3）我国的国债市场还不完善，中央银行可用于公开市场操作的债券资产又十分短缺，只能做投放短期资金的单向操作，难以通过逆回购业务收回基础货币，因此灵活性受到束缚。
由于缺少较好的投资渠道，持有大量国债的国有商业银行也将国债视为优质资产而不愿出售，这些都使得公开市场业务缺乏交易基础，从而中央银行通过公开市场业务操作调控基础货币的主动性在很大程度上受到限制。
同时，中央银行开办公开市场业务的难点还在于其独立地位尚未完全确立。
（4）我国目前实行的是有管理的浮动汇率制度，在外汇管理上实行的是“强制结汇，意愿售汇”的银行结售汇制度，从而使得外汇占款成为基础货币增加的主要渠道。
内生性的例子
内生性的例子【篇一：内生性的例子】以前发的东西研究领域过于狭窄，今天发一个估计大家都感兴趣的话题：内生性。
国内杂志上的文章很多是不控制内生性问题的，但是，学过计量的人都知道，不控制内生性问题的文章，说得极端点，应该被称为垃圾（这话我也是从麦克法登的一个弟子那里听来的）。
接下来，我想简单的梳理一下内生性问题，同时以最近读到的一篇文章为例，看看top journal paper是如何处理这个问题的。
关于公司金融领域里的内生性问题的一个比较好的综述是总的说来，内生性主要由以下原因造成：1. 遗漏变量：如果遗漏的变量与其他解释变量不相关，一般不会造成问题。
否则，就会造成解释变量与残差项相关，从而引起内生性问题。
2. 解释变量与被解释变量相互影响3. 度量误差（measurement error）：由于关键变量的度量上存在误差，使其与真实值之间存在偏差，这种偏差可能会成为回归误差（regression error）的一部分，从而导致内生性问题。
解决内生性问题的方法主要有：1.工具变量法（iv）这种方法相信大家都已经学过，就是找到一个变量和内生化变量相关，但是和残差项不相关。
在ols的框架下同时有多个iv，这些工具变量被称为two stage least squares (2sls) estimator。
具体的说，这种方法是找到影响内生变量的外生变量，连同其他已有的外生变量一起回归，得到内生变量的估计值，以此作为iv，放到原来的回归方程中进行回归。
2. 自然实验法就是找到一个事件，该事件只影响一部分样本，或者只影响解释变量而不影响被解释变量。
3.difference-in-difference （did）法思想是按照一定的标准，找到与样本match的控制组。
在假设外在冲击同时影响两个组别的情况下，做差来剔除掉外界冲击的影响。
4. 动态panel思想是将解释变量和被解释变量的滞后项作为iv好了，说了这么多，给大家举一个例子，这是我最近看到的最让我难忘的一篇文章。
企业集群内生性风险的成因与防治
企业集群内生性风险的成因与防治企业集群在产生后，各种集群风险会伴随着集群的生命周期而产生和累积，最终将会导致企业集群的衰退甚至衰亡。
在这些集群风险中，内生性风险是导致企业集群衰退的根本原因。
本文对企业集群内生性风险的形成原因进行分析，并在此基础上提出防治集群内生性风险的对策。
标签：企业集群内生性风险风险防治企业集群作为一种介于市场与科层组织之间的网络组成形式，在其产生后，由于具有强大的辐射力，以及竞争力，对提升区域产业竞争力，发展区域经济起到了极大的推动作用。
世界越来越多的国家和地区都将企业集群视为一种促进经济发展的重要策略。
在我国，20世纪90年代以后，在广东、江浙一带也涌现出一批中小企业集群，对当地经济的发展起到了很强的推动作用。
然而，在这些企业集群发展的同时，一些曾经辉煌一时的企业集群，尤其是哪些结构比较单一的企业集群却陷入衰退，失去原来的竞争优势，致使该区域的经济发展陷入困境。
通过研究后发现，企业集群在形成和发展的过程中，那些推动企业集群发展的因素，也会同时给企业集群带来风险，成为导致企业集群衰退的主要原因。
一、企业集群内生性风险的形成原因1.企业集群内部的专业化分工导致集群纵向价值链上各个企业资产专用性的提高，降低了集群内企业和整个企业集群对外部环境的应变能力专业化分工使得处于企业集群内部纵向价值链上企业合作关系更紧密，相互依赖性更强。
而且由于每个企业都是在具有相对生产优势的领域从事生产，大大提高了企业的效率。
但是，由于处于价值链上的不同企业专门从事生产领域的不同，生产过程中就需要投入大量不同的专用性资产。
随着专业化分工的持续深化，资产的专用性将会不断提高，这就意味着企业难以从价值链中推出，企业资产越来越难以移作他用或者是即使能移作他用也只能实现很小的价值。
因此，专业化分工将会导致纵向价值链上企业专用性资产投资风险增大，企业也会因为专用性资产的增加而对外界缺乏灵活的应变能力。
此外，专业化分工使得企业集群内纵向价值链上企业间的依赖程度增强，一旦某一个企业出现问题，价值链上的其他企业也将会出现“一损俱损”的连锁反应。
计量经济学试题计量经济学中的内生性问题与解决方法
计量经济学试题计量经济学中的内生性问题与解决方法计量经济学是经济学领域中重要的研究方法之一，通过使用统计分析和经济理论，可以用来研究经济现象的数量关系。
在计量经济学中，内生性问题是研究过程中常常面临的一个重要挑战。
本文将探讨内生性问题的定义、原因以及解决方法。
1. 内生性问题的定义内生性问题是指在计量经济分析中，变量间的相关关系可能不准确反映真实因果关系的情况。
简而言之，研究中的内生性问题会导致我们很难判断变量之间的因果关系。
为了更好地理解内生性问题，我们可以考虑以下案例：假设我们研究肥胖与健康之间的关系。
然而，我们发现肥胖与健康之间的关系并不简单，而是与收入也有关系。
这意味着收入可能同时影响到肥胖和健康的变量，从而产生内生性问题。
2. 内生性问题的原因内生性问题的产生可以归因于多种因素，其中最常见的原因包括遗漏变量、反向因果、同时发生性等。
首先，遗漏变量是内生性问题最常见的原因之一。
如果在研究中忽略了对结果变量和解释变量的同时影响的变量，我们将难以判断因果关系，从而产生内生性问题。
其次，反向因果指的是因果关系被反向解释的情况。
例如，我们研究教育对收入的影响，如果我们并未考虑到择业选择方面的影响，而单独将教育与收入联系起来，就可能存在内生性问题。
另外，同时发生性也是导致内生性问题的原因之一。
即两个或多个变量同时发生，导致我们无法准确地判断它们之间的因果关系。
3. 解决内生性问题的方法为了解决内生性问题，计量经济学提出了一系列的方法和技术。
下面将介绍几种常见的解决方法。
第一种方法是工具变量法。
工具变量是一种可以在研究中代表其他变量的变量。
通过引入工具变量，我们可以使用工具变量回归来估计原因变量对结果变量的效应。
当然，工具变量的选择应满足一定的条件，以确保其有效性。
第二种方法是差分法。
差分法是通过对同一个体或群体在不同时期的数据进行比较，来控制内生性问题。
通过比较不同时间点的数据，我们可以消除一些可能导致内生性问题的因素。
内生解释变量
F ? (RSSR - RSSU ) (dfR - dfU ) RSSU dfU
（6.9）
其中， RSSU为对模型(6.8)（相当于无约束模型）进行回归 得到的残差平方和， RSSR 为模型（6.7）（有约束模型）进 行回归得到的残差平方和，dfU 和 dfR分别为 前二者的自由 度。针对模型（6.8），（6.9）式可以写为：
RESET检验也可以利用EViews 直接来完成。操作方法如下： 作y关于x的回归，然后在输出结果窗口选择View / Stability Test / Ramsey RESET Test… ，在弹出的“Number of Fitted”对 话框中，设定代理变量个数为 1。点击“OK，”检验结果如 下：
1、影响无偏性
如果假定SLR.3′ （不相关假定）不成立，则一定违背古典假 定SLR.3的均值独立假定，即 E(ui | xi ) ? 0 一定不成立。而假 定SLR.3（均值独立）是OLSE 无偏性成立的关键假定。由 （2.22）知：
? ? E(??1 | xi ) = E(?1) ? E( kiui | xi ) ? ?1 ? ki E(ui | xi ) ≠0
这称为解释量的外生性假定。 解释变量与随机误差项之间往往存在某种程度的相关性，即：
cov( xji , ui ) ? 0 ( j ? 1,2,L , k i ? 1,2,L , n)
此时，就称模型存在内生性问题，与随机误差项相关的解释 变量称为内生解释变量。
内生性会对OLSE的统计性质产生= 不良影响
考虑成年劳动者的工资方程中存在未观测到的能力的问题
y ? ? 0 ? ?1x1 ? ? 2 x2 ? u
（6.1）
其中y代表工资的对数，x1代表受教育年限，x2代表个人能力， u是随机误差项。
内生性问题
内生性问题引言：内生性问题是指与一个系统、组织或现象内在联系紧密、相互影响、互为因果的问题。
这些问题既不是纯粹由外部因素所引起，也不是完全由内部因素所导致，而是两者相互作用的结果。
内生性问题在社会科学领域尤为常见，包括经济学、政治学、社会学等。
一、内生性问题的定义内生性问题在研究中意味着变量之间存在相互影响关系，不仅自变量影响因变量，同时也可能因变量对自变量产生影响。
这种相互影响可以是正向的也可以是负向的，有时甚至是复杂的回馈关系。
内生性问题的存在使得我们需要更加谨慎地解读数据和分析结果，以避免产生误导性的结论。
二、内生性问题的原因内生性问题的主要原因在于变量之间的复杂关系。
一方面，变量之间可能存在遗漏变量问题。
在研究中，我们不能将所有可能影响因变量的因素都纳入考虑，有些变量可能被忽略而导致结果出现偏差。
另一方面，变量之间也可能存在反向因果关系。
因变量可能同时作为自变量影响其他因变量，这种复杂的关系造成了内生性问题的存在。
三、内生性问题的解决方法为了解决内生性问题，研究者可以采用以下方法：1. 仔细控制变量：通过控制可能产生内生性问题的其他变量，使得自变量与因变量之间的关系更加可靠。
这可以通过实验设计、随机分配处理组和对照组等方法来实现。
2. 使用工具变量：工具变量是一种在经济学领域中常用的解决内生性问题的方法。
它通过引入一个与自变量相关但不直接影响因变量的变量来进行分析。
通过工具变量的引入，可以排除内生性问题对研究结果的影响。
3. 进行因果推断：通过仔细验证变量之间的因果关系，可以帮助我们更清楚地了解内生性问题的存在。
借助因果推断的方法，可以准确地解释变量之间的相互作用，并确定影响因变量的主要因素。
四、内生性问题的影响内生性问题的存在会对研究结果产生明显的影响。
如果不加以解决，内生性问题可能导致对因果关系的错误解读，使得研究结论产生偏差，缺乏可靠性和有效性。
此外，内生性问题还可能使得研究结果的泛化能力受到限制，难以推广到其他情境或群体。
货币供给内生性
浅析我国货币供给内生性问题中央银行虽然在一定程度上可以控制基础货币, 但从长远来看, 随着电子货币、金融衍生品的发展, 中央银行控制货币供应量肯定会越来越难。
货币供应量的增加在一定程度上能促进需求的上涨, 但是货币供应量的增加对消费的刺激作用小于对投资的刺激作用。
我国货币供应量的增加有比较强的投资效应, 而消费效应却比较弱。
我国的货币供给内生性所折射出的是我国现有的整个金融体系的构造性问题，掺杂着许多向市场转轨期的制度因素以及市场因素，在涉及货币政策时必须对这些因素进行细致的考虑。
最后，在上述分析的基础上提出针对性的政策建议。
关键词：货币供给内生性基础货币中央银行一、引言货币供给的内生性和外生性, 是货币理论发展史上争论已久的问题。
在现代经济学中, 主流货币理论建立在货币供给外生的基础上, 认为货币供给是一个完全决定于货币当局主观意愿的外生变量,不受其他经济因素的制约。
而内生货币供给理论认为需求决定供给, 即货币供给是由企业和家庭的信贷需求内生决定的, 它受制于经济体系内的众多因素( 如产出、物价、利率等) , 中央银行不能独立地决定货币供应量的大小, 只能被动地根据经济发展所需的货币量投放货币。
20 世纪80 年代末, 随着金融自由化与经济全球化的发展, 很多国家发现货币供应量的控制越来越困难, 货币供给的内生性问题日益突出, 成为货币金融理论研究和各国中央银行宏观调控关注的焦点之一。
基于我国的特殊经济体制，本文将从我国独特的地方来解读其内生性问题。
二、内生货币供给理论的基本观点（一）早期货币内生性理论1．拉德克利夫委员会的观点。
拉德克利夫委员会在1959 年提出的关于货币体系运行的研究报告中，除了将货币定义为“流动性”之外，还指出流动性的最重要来源是大量的非银行金融机构。
各种非银行金融机构的迅猛发展使对货币供给量的控制变得毫无意义。
这些金融机构具有比银行更低的准备率，一旦人们的资产选择发生变化，银行的存款负债就有可能被转移到这些金融机构中，于是整个社会的现金准备尽管未变，信用却得到了扩张。
内生性问题及其处理
专题四 内生性问题及其处理
本专题共四讲 第一讲 内生性问题概述 第二讲 工具变量 第三讲 双重差分 第四讲 断点回归
《计量经济学》
第一讲 内生性问题概述
主讲：王岳龙
内生性的定义和后果 内生性的表现形式 内生性的解决方法
内生性问题概述
1.内生性的定义和后果
yi 0 1xi i
OLS 1
p
cov( yi, xi ) var(xi )
1
cov( xi , i
var(xi )
)
if cov(xi,i ) 0 则x被称为内生变量
so
OLS 1
1
则β1估计有偏且不一致
2.内生性的表现形式
ln yi 0 1edui 2malei 3birthi i
+ 研究思路
如果合理，那么很容易算出地铁开通对房价上涨的影响 就是15%-12%=3%。特别地，如果2009年前A、B两地 的房价增长率不同，分别是11%和10%，那么A地区如果没 有修地铁，之后的房价增长率到底是12%+1%=13%还是 12%*1.1=13.2%，则对应房价上涨的贡献率分别是2%和 1.8%，到底以上哪个结果是靠谱的？
前后差分
处理组 参考组 组间差分
β0+β1 β0 β1
β0+β1+β2+β3 β0+β2 β1+β3
β2+β3 β2 β3
特别地，如果只有前后两期，又可写成： Δyi=β0+β1treati
3 [ E ( y treat , after ) E ( y treat , before )] [ E ( y control , after ) E ( y control , before )]
内生性问题解决方案汇总与案例——计量作业
•多元线性回归模型•古典模型的假定–假定1 线性–假定2 严格外生性–假定3 球形扰动–假定4 无完全共线性1、2、3、内生性的具体表现形式•遗漏解释变量•互为因果•自选择问题•测量误差内生性的解决方案1.工具变量法（IV）这种方法相信大家都已经学过，就是找到一个变量和内生化变量相关，但是和残差项不相关。
在OLS的框架下同时有多个IV，这些工具变量被称为two stage least squares (2SLS) estimator。
具体的说，这种方法是找到影响内生变量的外生变量，连同其他已有的外生变量一起回归，得到内生变量的估计值，以此作为IV，放到原来的回归方程中进行回归。
2. 自然实验法就是找到一个事件，该事件只影响一部分样本，或者只影响解释变量而不影响被解释变量。
3.Difference-in-Difference （DID）法思想是按照一定的标准，找到与样本match的控制组。
在假设外在冲击同时影响两个组别的情况下，做差来剔除掉外界冲击的影响。
4. 动态panel思想是将解释变量和被解释变量的滞后项作为IV进入正文：基本故事是：股票的流动性对经理人的激励合约的设计会产生影响。
具体的说，当流动性提高的时候，经理人会更加倾向于选择现金比重更小（股票比重更高）的激励合同，因为这时股票的变现成本较低；同时，高流动性意味着股票中的信息含量更高，因此薪酬与股价市场回报的敏感性（pay-for-performance sensitivity）会更高。
这里的两个被解释变量分别是cash-based compensation占total compensation的比重，以及pay-for-performance sensitivity （PPS）会更高。
关键解释变量是流动性。
第一部分，基础计量技术，固定效应回归模型。
值得一提的是，虽然这是本文最基础的计量技术，但作者还是进行了细致改进，比如加入管理层的固定效应，以及对标准误进行了管理层层面的CLUSTER调整。
内生性问题资料
导致内生性的主要原因
1：遗漏ቤተ መጻሕፍቲ ባይዱ量，且遗漏变量与引入模型的其他 变量相关。
2：解释变量和被解释变量相互作用，相互影 响，互为因果。
有内生性仍有OLS估计的后果
• 系数估计有偏且不一致。 • 举例说明： • 数学证明：略
内生性问题的解决： 工具变量估计
• 工具变量：假定我们有一个可观测到的变 量Ｚ，它满足两个假定
两个注意事项
• IV法适合于大样本， • 工具变量除了满足 (1): Z与U不相关，即Cov(Z,U)=0; (2): Z与X相关，即Cov(Z,X) ≠ 0. 这两个条件外，工具变量Z应该与Y不直接相
关。为什么？
IV与OLS的取舍
（1）尽管当Z与U不相关，而Z与X存在着或 正或负的相关时，IV是一致的，但当Z与X 只是弱相关时IV估计值的标准误可能很大， Z与X之间的弱相关可能产生更加严重的后 果：即使Z与U只是适度相关，IV估计的渐 进偏误也可能很大。也即是说，当解释变 量外生时，IV与OLS估计都是一致的，但IV 估计不如OLS有效。
(1): Z与U不相关，即Cov(Z,U)=0; (2): Z与X相关，即Cov(Z,X) ≠ 0. 我们则称Z是X的工具变量 （instrumental variable 简称IV） 举例：
工具变量的优劣
(1): Z与U不相关，即Cov(Z,U)=0; 相关性越低，则越好
(2): Z与X相关，即Cov(Z,X) ≠ 0. 相关性越高，则越好
进行测量，通常由经济理论来使人们相信 (2): Z与X相关，即Cov(Z,X) ≠ 0.
将X对Z回归即可，看看X的系数是否显著 易于零？
内生性检验——Hausman检验
基本思想：直接比较OLS和IV估计值，若所 有变量都是外生的，则OLS和IV估计都是一 致的，若明显不同，则我们就断定解释变 量有内生性。 操作前提：首先找到一个外生变量用作工具 变量。 一个问题：工具变量本身的外生性如何检验？
内生性产生的原因及解决方案
2020/4/5
20
Difference in difference models
Basic two-way fixed effects model
变量有测量误差也无法用我们前面学过的方法 解决。
因此我们就必须寻找一种新的方法。
2020/4/5
14
二、内生性的解决方案
事实上，仅仅为了解决内生性问题，并不需要我 们对内生性问题的缘起有很深入的理解。对于应 用型的实证研究而言，我们只需要掌握解决内生 性问题的具体方案即可。内生性问题的解决方案 一共四种，理论上来讲，这四种方案应对内生性 问题都很有效。但于我个人而言，我对四种方法 的评价是有高低的，由高到低分别介绍如下。
其基本思想是，将受冲击的样本视作实验组，再按照一定 标准在未受冲击的样本中寻求与实验组匹配的对照组，而 后做差，做差剩下来的便是这次冲击的净效应。
双重差分法实际上是固定效应的一个变种，差分的过程实 际上是排除固定效应的过程。ZERA在《计量论文写作和 发表的黑客教程》有一个非常简明风趣的举例，我转述于 此，以飨读者。
states but at a variety of times
2020/4/5
29
ui is a state effect vt is a complete set of year (time)
effects Analysis of covariance model
Yit = β0 + β3 TitAit + ui + λt + εit
计量经济学中的内生性问题
计量经济学中的内生性问题一、内生性问题及产生的原因计量经济学中，线性回归模型的本意是给定x值，然后预测（或估计）y的条件均值。
在给定的x值下，y值可能忽高忽低（即y是随机变量），其变化程度也可大可小（即y有方差），但其条件均值是可以通过回归方法来估计的。
至于y的条件方差，在只有一个固定的x值下是无法估计的（在重复测量样本下也许可以做到，因为这时有多个固定相同的x值），所以只好简单地假设对于任何给定的x，y的条件方差都是一样的（即同方差假设），此时才可以通过多个样本点来估计一个相同的方差，然后进行各种t检验、f检验。
但实际中我们观测到的结果，很有可能是x与y相互影响的结果，即在你观测到实际数据的时候，x中混杂了y的信息。
这就是我们通常所说的联立性偏误（simultaneity bias），即x与y是同时变动的。
这种情况下，x与回归模型的误差项表现为相关，违背了经典OLS(ordinary least square,普通最小二乘法)的假设在经典回归假设下，估计出的回归系数是有偏的。
这是造成内生性Endogeneity的情况之一。
还有可能是x在变，其他影响y的因素也在变（因为除了x影响y外，也有其他因素在影响y），但这些因素你没有纳入模型的解释变量中，此时x与回归模型的误差项也表现为相关（因为遗漏因素的影响归入了误差项），这是造成内生性的情况之二。
总的说来，内生性主要由以下原因造成：1.遗漏变量：如果遗漏的变量与其他解释变量不相关，一般不会造成问题。
否则，就会造成解释变量与残差项相关，从而引起内生性问题。
2.解释变量与被解释变量相互影响。
3.度量误差（measurement error）：由于关键变量的度量上存在误差，使其与真实值之间存在偏差，这种偏差可能会成为回归误差（regression error）的一部分，从而导致内生性问题。
二、内生性问题的解决办法解决内生性问题的常用方法是工具变量（Instrumental Variables，简称IV）。
内生性问题及其处理
---------------------------------------------------------------最新资料推荐------------------------------------------------------内生性问题及其处理《计量经济学》专题四内生性问题及其处理本专题共四讲第一讲内生性问题概述第二讲工具变量第三讲双重差分第四讲断点回归1/ 52《计量经济学》第一讲内生性问题概述主讲：王岳龙? 内生性的定义和后果 ? 内生性的表现形式 ? 内生性的解决方法---------------------------------------------------------------最新资料推荐------------------------------------------------------内生性问题概述1.内生性的定义和后果yi ? ? 0 ? ?1xi ? ? i? OLS 1?pcov( yi, xi ) var(xi )??1?cov( xi ,? ivar(xi ))if cov(xi,?i ) ?0 则x被称为内生变量so? OLS 1??1则β1估计有偏且不一致3/ 522.内生性的表现形式ln yi ? ?0 ? ?1edui ? ?2malei ? ?3birthi ? ?i 以mincer 方程，如何准确估计教育回报率为例遗漏重要相关解释变量+ 与核心解释变量edu和因变量lny同时相关的不可观测因素ability 因无法量化而被控制，从而出现在随机干扰项中，从而导致cov(edu,ξ)≠0。
类似的还有遗漏edu ,这种错误设定函数形式也是遗漏重要解释变量的特殊形式。
---------------------------------------------------------------最新资料推荐------------------------------------------------------ 特别的，真实模型是 yi ? ?0 ? ?1x1i ? ?2 x2i ? ?i 但是却错误的估计 yi ? ?0 ??1x1i ??i??1??1??2cov(x1,x2 var( x1 ))5/ 52注意上述遗漏变量偏误公式只成立于二元回归，如果是更多元回归，遗漏一个重要解释变量导致核心变量系数的偏差方向情况则很复杂。
7.第六章内生解释变量解析
（6.3）
ˆ1 1 2 P lim
cov( x1 , x2 ) var( x1 )
（6.5）
（1）若遗漏的 x2与x1 相关，则（6.4）、（6.5）式中的第 二项在小样本的期望与大样本下的概率极限都不会为零， 使得普通最小二乘估计量OLSE是有偏的，在大样本下也是 不一致的。
ˆ | x ) = E( ) E( k u | x ) k E(u | x ) E( 1 i i i i 1 i i i ≠0 1
2、影响一致性
( xi x )ui ˆ P lim( 1 ) P lim( 1 ki ui ) P lim( 1 ) P lim[ ] 2 ( xi x ) 1 P lim[ ( xi x )ui ] cov( xi , ui ) n 1 1 1 var( xi ) P lim[ ( xi x ) 2 ] n
, n)
这称为解释量的外生性假定。
解释变量与随机误差项之间往往存在某种程度的相关性，即：
cov( x ji , ui ) 0
( j 1,2,
,k
i 1,2,
, n)
此时，就称模型存在内生性问题，与随机误差项相关的解释 变量称为内生解释变量。
= 内生性会对OLSE的统计性质产生不良影响
1、影响无偏性 如果假定SLR.3′（不相关假定）不成立，则一定违背古典假 定SLR.3的均值独立假定，即 E(ui | xi ) 0 一定不成立。而假 定SLR.3（均值独立）是OLSE无偏性成立的关键假定。由 （2.22）知：
2
ˆ) var( 1
2 2 ( x x ) (1 r 1 1 12 )
产生内生解释变量的原因
产生内生解释变量的原因
产生内生解释变量的原因可以有多个方面。
首先，内生解释变
量可能是由于模型中存在遗漏变量的问题，即模型没有考虑到所有
可能影响因变量的因素，导致了内生性。
其次，内生解释变量也可
能是由于模型中存在了因果关系的反向因果关系或者双向因果关系，这种情况下会导致内生性。
另外，内生解释变量还可能是由于测量
误差、遗漏变量偏误或者模型中的内生性偏误等问题所致。
因此，
产生内生解释变量的原因是多方面的，需要在建模过程中进行充分
的考虑和控制。
社会矛盾的内生性根源探析
社会矛盾的内生性根源探析李朝祥,叶玲春(南京邮电大学,江苏南京210046)［摘要］人类创造历史的过程同时也是制造社会矛盾的过程，社会矛盾孕于人类生活本身。
应当从生活出发、从人的需要出发探求社会矛盾产生的根源。
人的需要具有客观性，它是社会主要矛盾产生的决定性因素，同时也是社会基本矛盾产生的根源性因素。
利益是需要的具体化和对象化，当需要转化为利益的时候，需要就有了具体的指向和边界，而因需要引起的社会主体的利益冲突就成为不可避免。
要合理引导人的需要，并在人们的物质文化需要日益增长的条件下不断改革经济体制、政治体制和文化体制，以最大程度地满足人的需要。
［关键词］社会矛盾;人的需要;内生性根源［中图分类号］B032［］A［］1007-8487（2013）07-0029-04［收稿日期］2013-03-20［作者简介］李朝祥（1965－）,男,安徽庐江人，南京邮电大学副教授,博士,研究方向为政治学基本原理、国家意识形态和公民政治意识；叶玲春（1970－），女，安徽庐江人，南京邮电大学助理研究员，研究方向为教育管理。
社会矛盾的存在具有普遍性，与人类社会的存在相始终。
尽管社会矛盾的属性相互异质、社会矛盾的具体表现千差万别，但是社会矛盾的内生性根源必定是相同的，它必定存在于人类社会，因而必定存在于人之中。
因此，应当从人出发，从具体的人出发来揭示社会矛盾产生的根源。
马克思指出：“人们为了能够‘创造历史’，必须能够生活。
”[1]（P79）由此，从人出发就应当从生活出发；但是“生活”决不仅仅是“创造历史”的前提，它本身就是“创造历史”的过程。
我国社会主义现代化建设已进入到一个新的历史阶段，与之相伴的是社会矛盾进入“凸显期”。
尽管这些矛盾的产生有着错综复杂的各种外在诱因，但是本质应无异，根源应无别。
探寻社会矛盾的内生性根源，揭示各种社会矛盾共生的本质，对于有效化解社会矛盾，缓和社会冲突，从而顺利推进全面建设社会主义小康社会有着重要的意义。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
我们假设 则有
X%i Xi wi
ˆ1
p
2
2x x
2 w
1
8
结论：1。由于
2
2x x
2 w
1
2。回归的性质决定于w的标准差
2wˆ1p Nhomakorabea2
2x x
2
w
1
p
0
2 w
ˆ
1
p
2
2x x
2
w
1
p
1
9
双向因果关系
之前我们假定因果关系是从回归变量到因变 量的(X导致了Y)。但如果因果关系同时也 是从因变量到一个或多个回归变量(Y导致 了X)的呢？如果是这样的话，因果关系是 向前的也是“向后” 的，即存在双向因果 关系，如果存在双向因果关系，则OLS回归 中同时包含了这两个效应，因此OLS估计量 是有偏的、非一致的。
18
Difference in difference models
Maybe the most popular identification strategy in applied work today
est store ols
quietly ivregress 2sls lw80 expr80 tenure80 (s80 iq=med kww mrt age)
est store iv
hausman iv ols
，若 Hausman 检验失效（检验统计量为负
值），则使用dmexogxt，否则仍Hausman
检验为主。
12
使用Davidson-MacKinnon检验
xtivreg 后 使用 dmexogxt
* Davidson-MacKinnon (1993) 检验 * H0：OLS 和 xtivreg 都是一致的，即内 生性问题对OLS的估计结果影响不大 xtivreg tl size ndts tang (npr=tobin L1.npr), fe dmexogxt
第五讲 内生性
1
OLS经典假设 所有的解释变量Xi与随机误
差项彼此之间不相关。
Cov(ui, Xi) 0
若解释变量Xi和ui相关，则OLS估计量是非一 致的，也就是即使当样本容量很大时，OLS估 计量也不会接近回归系数的真值。 当解释变量和随机误差项相关时，模型存在着 内生性问题。
2
在计量经济学中，把所有与扰动项相关 的解释变量都称为“内生变量”。这与 一般经济学理论中的定义有所不同。
5
6
变量有测量误差
测量数据正确时：假设方程为：
Yi 0 1Xi ui
当存在测量误差时：方程为：
Yi 0 1X%i vi
所以我们有：
Yi 0 1X%i vi 0 1X%i [1( Xi X%i) ui]
7
vi 1( Xi X%i) ui
可知，误差项中包含 Xi X%i 所以可以得到：如果 Cov( Xi X%i, X%i) 0
简单连接改革措施和被直管县绩效的做法并不恰 当。这样的做法无法排除其他政策或是整体经济 的影响,因而是无法衡量改革真实效果的。
17
2.双重差分法
Difference-in-Difference （DID）一般称为双重差分 法，或倍差法。倘若出现了一次外部冲击，这次冲击影响 了一部分样本，对另一部分样本则无影响，而我们想看一 下这次外部冲击到底有何影响，双重差分法就是用来研究 这次冲击的净效应的。
1。与误差项相关的变量称为内生变量 (endogenous variable)。
2。与误差项不相关的变量称为外生变量 (exogenous variable)。
3
造成误差项与回归变量相关（内生性）的原 因很多，但我们主要考虑如下几个方面：
遗漏变量偏差 变量有测量误差 双向因果关系。
4
遗漏变量偏差
其基本思想是，将受冲击的样本视作实验组，再按照一定 标准在未受冲击的样本中寻求与实验组匹配的对照组，而 后做差，做差剩下来的便是这次冲击的净效应。
双重差分法实际上是固定效应的一个变种，差分的过程实 际上是排除固定效应的过程。ZERA在《计量论文写作和 发表的黑客教程》有一个非常简明风趣的举例，我转述于 此，以飨读者。
Davidson-MacKinnon检验得到F统计量的 P值小于0.05，代表有内生性
13
遗漏变量偏差可采用在多元回归中加入遗漏变 量的方法加以解决，但前提是只有当你有遗漏 变量数据时上述方法才可行。
双向因果关系偏差是指如果有时因果关系是从 X到Y又从Y到X时，此时仅用多元回归无法消 除这一偏差。同样，
16
自然实验包括的要素有:一个政策措施(treatment), 一个观察到的结果(outeome),一个对照组 (contorlgoruP)。在评估“政策措施”对“结果” 是否发挥作用时,对照组充当一个参照系。而一个 “准自然实验”和自然实验的区别在于处理组和 对照组的选取是否随机。
这里的“结果”是以受政策影响的县和没有受政 策影响的县之间在增长速度上的差异来衡量。
10
可以推导出：
Cov(
Xi,
ui)
r1
2 u
/
(1
r1
1)
11
豪斯检曼检验验方（H法au：sm豪an斯sp曼ec检ific验at检ion验test）
H0 ：所有解释变量均为外生变量。
H1：至少有一个解释变量为内生变量。
quietly reg lw80 s80 expr80 tenure80 iq
变量有测量误差也无法用我们前面学过的方法 解决。
因此我们就必须寻找一种新的方法。
14
二、内生性的解决方案
事实上，仅仅为了解决内生性问题，并不需要我 们对内生性问题的缘起有很深入的理解。对于应 用型的实证研究而言，我们只需要掌握解决内生 性问题的具体方案即可。内生性问题的解决方案 一共四种，理论上来讲，这四种方案应对内生性 问题都很有效。但于我个人而言，我对四种方法 的评价是有高低的，由高到低分别介绍如下。
15
1.自然实验法
所谓自然实验，就是发生了某些外部突发事件，使得研究 对象仿佛被随机分成了实验组或控制组。
这是我最喜欢的方法，只是自然实验需要寻找一个事件， 并且这个事件只影响解释变量而不影响被解释变量。遇着 这种事件是一种缘分，还要能识别出来，这对学者的眼光 也是一种挑战。
有很多文章声称使用了自然实验，但严格来讲，并没有做 到对研究对象进行了随机分组。虽然如此，我对此类文章 仍然很是喜欢。