内生性问题来源：

1.   遗漏变量，遗漏的该变量与自变量相关并进入误差项，从而导致自变量与误差项相关，出现内生性问题；

2.   测量误差，即Xk*=Xk+ek，ek进入误差项，从而导致内生性问题；

3.   反向因果关系，即自变量影响因变量，因变量反过来也影响自变量，也就是说Xk与ek相关，从而导致内生性。

4.    样本自选择：即我们选择的样本，例如加入工会与不加入工会本身与模型中的变量相关，也会导致内生性问题，因为可能工资更高、教育程度更高的人越倾向于加入工会。

内生性问题导致的后果：若存在内生性问题，仍用OLS回归估计的后果是系数估计有偏且不一致；

内生性检验：Hausman检验

内生性问题的解决：

1.   工具变量；

内生性问题的解决方法：工具变量（instrumentalvariable）估计[简称IV估计]
IV是指：假定我们有一个可观测到的变量Z，他满足以下两个假定：
1.Z与U不相关，即COV(Z,U)＝0;
2.Z与X相关，即COV(Z,X)≠0.
IV的估计值：以双变量模型为例 Y=C1+C2X+U
其中X与U相关，因而用OLS估计有偏，现有X的工具变量Z
于是有COV（Z,Y）=COV(Z,C1+C2X+U)
=COV(Z,C2X)+COV(Z,U)
=C2COV(Z,X)
则有C2=COV(Z,Y)/COV(Z,X)
而OLS估计有C2=COV(X,Y)/COV(X.X)
因此，1.当X=Z时，两者将完全一致，换言之，当X外生时，它可用作自身的工具变量，工具变量即为OLS 估计量；2.若X与Z不相关，COV(Z,X)=0，则工具变量无法给出估计值。

2.   两阶段最小二乘（2SLS）；

3.   广义矩估计（GMM）；（GMM估计附带过度识别约束检验，即k个参数，l个约束条件，且l）k，l-k个约束即过度识别约束）