毕业论文遗漏变量内生性

当遗漏变量与解释变量不相关时，OLS得到的估计量仍然是一致的，只是会影响OLS估计的精确度，此时不需要过度关注遗漏变量问题；如何因素由于不可观测而未被纳入模型中，且这些因素与X是有相关性的，这个时候就存在内生性问题了。根据上一条学习笔记的分析可知，内生性问题会导致估计量的不一致估计，此时的估计结果就不可信了。也就是说，遗漏变量与解释变量不相关——仍是一致估计量——不影响研究结论；遗漏变量与解释变量相关——内生性问题——估计量不一致——估计结果不可信——研究结论存疑。

遗漏变量偏误第4章。遗漏变量偏误是指模型中漏掉了一个或几个重要的解释变量，且这些被遗漏的解释变量与模型的解释变量相关。

内生性三个来源是遗漏变量偏差，测量误差，反向因果

1、遗漏变量偏差，这是指模型中漏掉了一个或几个重要的解释变量，且这些被遗漏的解释变量与模型的解释变量相关。你可以这样理解，本来在一个回归中，有一个重要的解释变量，但你没有把这个解释变量放进模型，这意味着这个变量会自动被包含进扰动项中。

如果这个被遗漏的解释变量与模型已有的解释变量不相关，那估计依然是无偏的。但是如果被遗漏的变量与没有被遗漏的变量相关，这就会造成解释变量与扰动项相关，也就是内生性问题的定义。

2、测量误差。对于一个变量X，我们仅能观测到其中能够观测到的部分，比如X1，而对于X无法观测到的部分X2（X=X1+X2，这里的意思是X由可观测的X1和不可观测的X2两部分组成），就被自然地放到了误差项。那么X2是否与其他解释变量相关就不确定了，如果相关，就造成解释变量与误差项相关，也就是内生性问题。

3、反向因果。当至少一个解释变量倍确定为被解释变量的函数，反向因果就出现了。如果解释变量X被部分地确定为被解释变量Y的函数，这意味着X与Y相关，而Y与误差项相关，因此，X与误差项相关，回到内生性的定义。举个例子，公司的某项投资会影响公司绩效，但反过来，公司的绩效也会影响公司的该项投资，因为绩效好意味着公司有更多的钱来进行这种投资。