内生性问题原因和处理方法.doc

内生性问题原因和处理方法.doc

《内生性问题原因和处理方法.doc》由会员分享，可在线阅读，更多相关《内生性问题原因和处理方法.doc（2页珍藏版）》请在冰点文库上搜索。

内生性问题：

就是模型中的一个或多个解释变量与随机扰动项相关的问题。

变量的内生性问题总是不可避免的。

内生性引起的问题主要是引起参数估计的不一致。

引起内生性问题的原因：

（1）遗漏变量

这主要是因为实际的问题中，一个变量往往受到许多变量的影响，在实际建模过程中无法将解释变量全部列出。

在这样的情况下，遗漏的变量的影响就被纳入了误差项中，在该遗漏变量与其他解释变量相关的情况下，就引起了内生性问题。

（2）测量误差

关于测量误差引起内生性的问题要基于测量误差的假设。

测量误差可能是对被解释变量的测量误差，也可能是由于对解释变量的测量误差。

这两种情况引发的结果是不一样的。

（3）双向交互影响

这种情况引起的内生性问题在现实中最为常见。

其基本的原理可以阐述为，被解释变量和解释变量之间存在一个交互影响的过程。

的数值大小会引起取值的变换，但同时的变换又会反过来对构成影响。

这样，在如下的回归方程中：

，如果残差项的冲击影响了的取值，而这样的影响会通过传导到上，从而造成了和残差项的相关。

也就是引起了内生性问题。

内生性问题处理方法：

1.工具变量法（IV）

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两阶段最小二乘（2SLS）估计量。

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.代理变量法（Proxy）

Proxy方法是将不可观测的变量用近似的变量进行替代，也就是说，是在残差项中提取出有用的信息，但是并没有对现有的解释变量进行处理。

3.自然实验法

就是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。

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。

4.双重差分法

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，双重差分法就是用来研究这次冲击的净效应的。

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。