内生性问题的原因及解决方法

在回归模型中，有一个经典假设，即自变量与随机扰动项之间不存在相关关系，彼此之间是独立的。但是，在实际进行回归模型分析时，往往会出现自变量之中的一个或者多个变量与随机扰动项之间存在着相关性。因此，回归模型的经典假设就不成立了。在这种情况下，继续用传统的回归模型进行分析，那么，回归得到的估计值就会存在偏差。这就是回归分析中的内生性问题（endogenous problem）。导致内生性问题的原因是多方面的。在选择解释变量时，由于数据等方面的限制，往往不可能把所有解释变量都纳入回归模型之中，因此，就可能遗漏一些解释变量。因为遗漏了一些解释变量，那么，这些解释变量的影响就进入了模型的随机扰动项之中。由于这些被遗漏的解释变量与已经被纳入模型的解释变量之间可能存在着相关性，因此，导致了模型中的解释变量与随机扰动项之间存在着相关性。对于这种原因的解决方案就是尽可能不要遗漏重要的解释变量。

即便是把所有重要的解释变量都纳入进了模型，也还可能存在内生性问题，这是因为任何的测量都可能存在着测量误差，这是导致内生性问题产生的另一个重要原因。例如，在通过社会调查来获得一手数据时，就会存在着设计误差和执行误差，而且这两类误差是不可能同时减少的。在减少设计误差的同时，势必会提高执行误差。在减少执行误差的同时，势必会提高设计误差。如同物理学中的“测不准原理”，在进行社会测量时，也存在类似的情形。由于存在测量误差，因此，就可能导致回归分析中的内生性问题。(www.xing528.com)

此外，交互作用也可能导致内生性问题的出现。例如，当自变量与因变量存在着交互作用时，那么，自变量的影响就会传递到因变量上，引起因变量的变化，而因变量的变化又会反过来传递到自变量上，引起自变量的变化。此外，自变量之间也可能存在着交互作用。在空间回归模型中，时间、空间和其他因变量以及自变量之间都可能存在着交互作用，而且因变量的空间滞后变量以及自变量的空间滞后变量也可能存在着交互作用。所以，空间回归中的复杂的交互作用，往往容易导致内生性问题的产生。这类内生性问题，是开展时空社会科学研究过程中常会遭遇的问题。