谢谢

内外是相对的  判断谁是内生变量的一个办法是  让其发生变化看其他变量是否会变化，如果其他变量发生改变，则此变量是内生变量，否则是外生变量。

内生变量是模型自身能决定的变量
外生变量不直接反映在模型中，是由外部因素决定的
似乎应该是这样

""但下文说短期dP/dt不等于零,而长期反而等于0,这个如何理解?""

这句话很容易理解。t是时间，dP/dt表示时间变动一单位的过程中物价的变化。短期时，系统处于失衡状态，物价会做调整，dP/dt不等于零；长期，系统达成均衡，物价就不再调整变化，因此dP/dt等于零。

简单说，不均衡时，物价调整，dP/dt不等于零；均衡时，物价就不再变动，dP/dt等于零。

先mark一下，有时间了仔细研究

很好的问题！

收益匪浅

正解！赞一下

看了上面的，说法不一，也没有彻底地弄清“外生变量”和“内生变量”区别和联系。联系，内生和外生变量到能对经济模型造成影响。区别，含义不同，地位不同。内生变量是包含在经济模型内的变量，以需求和供给模型来讲，价格就是内生变量，产量也是内生变量，在其他条件不变时（没有外在因素干扰时），价格可以决定产量。相反，外生变量是经济模型外的，消费者的收入、预期、爱好等，没有在需求与供给这个模型内，所以，此为外生变量。从地位来看，内生变量使得点在曲线上移动，而外生变量使得曲线向左或向右平移。
希望这个回答对你有帮助

谢谢

模型里的变量都是内生变量。比如研究总需求和通货膨胀的关系，总需求就是内生变量。人口的增加，会影响总需求，进而影响通货膨胀。但是如果人口变量不在你的模型里，那他就是外生变量。

在经济模型中，内生变量（endogenous variables）是指该模型所要决定的变量。外生变量（exogenous variables）指由模型以外的因素所决定的已知变量，它是模型据以建立的外部条件。例：P=a+bQ，表示价格与数量的关系，则a、b是参数，都是外生变量；P、Q是模型要决定的变量，所以是内生变量。除此之外，譬如相关商品的价格，人们的收入等其他与模型有关的变量，都是外生变量。

不能拿供求曲线说事，因为供求曲线是假定其他因素外生而得的P和Q之间的内生关系，如果要研究的因素重要，完全可以放在坐标轴里。

学习了[victory]

内生变量使得点在曲线上移动，而外生变量使得曲线向左或向右平移。

谢谢大家

45楼是对的

棒棒的

我觉得吧，使曲线发生移动的就是外生变量，在曲线上动的就是内生变量

有些明白了

查阅、整理了一些资料，和大家探讨一下：

要讨论内生变量还是外生变量，首先要有系统的观点，其次是要有因果的观点。

什么是内生变量（endogenous variable）？那就是：在因果模型或者因果系统中，如果一个变量能够被该系统中的其他变量所决定或被影响，那么就称这个变量为内生变量。只有我们在specify一个因果模型（结果y由一系列影响因子X[x1,x2,…,xn]所决定的）时才对一个变量的内外生性进行判断。如果说一个自变量xj被一个或者多个自变量（包括xj自身）所决定或者影响，那么这个变量就称为内生变量。纯内生变量是说，这个变量可以系统中的其他变量所完全决定，理论上精确无误。那么这个变量其实也就没用了，可以被其他变量所替代掉。纯内生的变量毕竟少，更多的情况是半内生，半内生变量是说这个变量会被系统中的其他变量所影响，但是不会被完全决定，还有一些系统外未考虑的因素。纯内生和半内生都是内生变量，之所以区别是为了理解因果关系上的差异。

什么是外生变量（exogenous variable）？那就是：在因果模型或者因果系统中，如果一个变量独立于系统中其他所有变量，其他变量的变化不对该变量造成影响，那么就称该变量为外生变量。该系统的外生变量可能由系统外的因素所决定。比如说对解释造糖厂的糖产量的研究系统中，天气就是一个外生变量，但是对于一个研究天气变化成因的系统，天气就是一个内生变量。要注意的是外生变量是独立于其他所有变量，所以其对立面是内生变量和半内生变量。另外如果你在模型中添加了会对外生变量产生影响的变量，那么该外生变量就不再是外生变量了。
因果上讲，外生变量是是对因变量的独立的决定因素；统计上讲，外生变量线性独立于其他自变量。

举一个造糖厂的例子，假定划定的系统内包含糖产量、天气、害虫、燃料价格等变量。我们可以假设糖产量是就是一个完全的内生变量，认为产量被天气、害虫、燃料价格这些因素完全决定。天气就是一个完全的外生变量，因为糖产量、害虫、燃料价格是不会影响到天气的。而害虫就是一个半内生变量，害虫某种程度是受天气影响的，但是不是被天气完全决定，还受到比如说农药、天敌威胁等外部因素的影响。

OLS模型中的解释：
在经典的OLS模型中，假设要求no perfect collinearity，含义就是一个变量不能被其他变量所精确线性表示，讲的就是不能弄一个纯内生变量在里面。

假设还要求zero conditional mean，error对自变量X的条件期望是0，也就是error和所有的X都线性无关，无相关性。其实就是保证了error是一个外生变量，包含了所有未添加到模型当中但是对因变量又有影响的变量，而且从population角度来看，这些外生变量对因变量的解释力度为0，因为期望为0嘛。

在OLS模型中，自变量是可以线性相关的，只要不是perfect collinearity，也就是说这些自变量可以是半内生变量。但是最好的情况是所有的自变量都是外生变量，error也是外生变量。如果自变量之间线性相关了，就会出现多重共线性，不过参数估计依旧还是无偏的，只是参数的方差会变大。

这是目前最有价值的答案

举个栗子
y=ax+b
y=cx+d
就能求出x和y，也就是说，x,y被解释了
他俩就是内生变量。
而abcd由于没有背景说明为什么会是abcd而不是别的，就是说abcd没有被解释，那么他们就是外生变量。

而这个模型就是为了解释xy的，abcd是给定的量。
我这么理解对吧。

超棒！

shuangraotong说的很对