好难啊,高手方可

我不是高手,作一个尝试吧.能抛砖引玉就是成功.

经济计量学"内生"概念源于结构建模.如果变量由模型决定其实现,则是内生;反之,是外生.如供给需求模型,价格与产出是内生变量,而进行农产品分析时,进入产出方程的气温变量是外生变量.

在此思想下,"完整"的结构模型应纳入所有反映经济代理人行为与影响经济代理决策的内生变量.如宏观理性预期模型,价格预期必须进入Phillips曲线.

但是,经济计量模型的估计与推断会因变量的内生性而变得复杂,结果是估计有偏,不一致,甚至会出现方差为负等现象.这些现象的出现与具体的模型相联系,如经典回归模型中,解释变量应当相互正交,这是BLUE性质所需要的条件.若两个或多个变量因内生而变得相关,或某个变量与误差项相关,会分别导致不一致与有偏估计.

内生性问题相伴的是外生性假定.(不记得谁了,豪斯曼?)分离了强外生,弱外生,超强外生这三个概念.从而,

从这个角度出发,内生性问题也可定义为违背外生性假定的问题.

内生性问题是一个难以解决的问题,主要检验方法是豪斯曼提出的内生性检验法,思路是考虑原假设下一致估计量的偏差,但在小样本下没有用.主要解决方法是工具变量法.它对估计方法的影响主要体现它,导致GMM估计正则性无法满足,而引入工具变量集,又存在过度识别问题.

Sims 对此表示不满,提出了 VAR 方法,回避这个问题.随着 SVAR 的兴起,这个问题又再次复兴.

现代的解决思路是半参方法.但是进展缓慢.还有一种解决思路是非线性,但只是更复杂了问题.

 总而言之,内生性问题的考察角度可归纳为模型识别(变量选取)与模型的不确定性(时变性)问题.