Que signifient «endogénéité» et «exogénéité»?

Je comprends que la définition de base de l'endogénéité est que n'est pas satisfait, mais qu'est-ce que cela signifie dans le sens du monde réel? J'ai lu l'article de Wikipedia, avec l'exemple de l'offre et de la demande, pour essayer de le comprendre, mais cela n'a pas vraiment aidé. J'ai entendu l'autre description de l'endogène et de l'exogène comme étant à l'intérieur du système et à l'extérieur du système, ce qui n'a toujours aucun sens pour moi.

La réponse de JohnRos est très bonne. En clair, endogénéité signifie que vous avez mal interprété le lien de causalité. Le modèle que vous avez écrit et estimé ne rend pas correctement compte de la manière dont la causalité fonctionne dans le monde réel. Quand tu écris:

vous pouvez penser à cette équation de plusieurs façons. Vous pourriez penser à cela comme un moyen pratique de prédire fonction des valeurs deVous pourriez penser à cela comme un moyen pratique de modéliser . Dans l'un ou l'autre de ces cas, l'endogénéité n'existe pas et vous n'avez pas à vous en préoccuper.X E { Y | X $Y$$X$$E\{Y|X\}$

Cependant, vous pouvez également considérer l'équation comme une incarnation de la causalité. Vous pouvez penser à comme la réponse à la question: "Qu'arriverait-il à si dans ce système et si de façon expérimentale ?" Si vous voulez y penser de cette façon, utiliser OLS pour estimer cela revient à supposer que: Y $\beta_1$$Y$$X$

1. $X$ cause$Y$
2. $\epsilon$ cause$Y$
3. $\epsilon$ ne cause pas$X$
4. $Y$ ne cause pas$X$
5. Rien qui provoque provoque aussi$\epsilon$$X$

En cas d'échec de l'un des 3 à 3, vous obtiendrez généralement ou, pas tout à fait de manière équivalente, . Les variables instrumentales sont un moyen de corriger le fait que la causalité est erronée (en faisant une autre hypothèse causale différente). Un essai contrôlé randomisé parfaitement conduit est un moyen de forcer la vérité entre 3 et 5. Si vous choisissez au hasard, cela n’est certainement pas causé par , ou autre chose. Les méthodes dites "d'expérimentation naturelle" sont des tentatives de trouver des circonstances spéciales dans le monde où 3 à 5 sont vraies, même si nous ne pensons pas que 3 à 5 sont généralement vraies.C o v ( X , ε ) ≠ 0 X Y $E\{\epsilon|X\}\ne0$${\rm Cov}(X,\epsilon)\ne0$$X$$Y$$\epsilon$

Dans l'exemple de JohnRos, pour calculer la valeur salariale de l'éducation, vous avez besoin d'une interprétation causale de , mais il y a de bonnes raisons de croire que 3 ou 5 est faux.$\beta_1$

Votre confusion est compréhensible, cependant. Il est très typique dans les cours sur le modèle linéaire que l’instructeur utilise l’interprétation causale de j’ai donnée ci-dessus en prétendant ne pas introduire la causalité, en prétendant que "ce n’est que des statistiques". C'est un mensonge lâche, mais c'est aussi très courant. $\beta_1$

En fait, cela fait partie d'un phénomène plus vaste en biomédecine et en sciences sociales. Nous essayons presque toujours de déterminer l’effet causal de sur - c’est le but de la science après tout. D’autre part, il est également presque toujours possible de raconter une histoire qui mène à la conclusion que l’une des 3 à 3 est fausse. Il existe donc une sorte de malhonnêteté fluide, équivoque et pratiquée dans laquelle nous dissipons les objections en disant que nous ne faisons que du travail associatif, puis que l’interprétation causale est réintroduite ailleurs (normalement dans les sections d’introduction et de conclusion du document).$X$$Y$

Si vous êtes vraiment intéressé, le type à lire est Judea Perl. James Heckman est également bon.

Me laisser utiliser un exemple:

Supposons que vous souhaitiez quantifier l’effet (causal) de l’éducation sur le revenu. Vous prenez des années d'éducation et des données de revenu et régressez les unes contre les autres. Avez-vous récupéré ce que vous vouliez? Probablement pas! En effet, le revenu est également causé par des choses autres que l’éducation, mais qui sont corrélées à l’éducation. Appelons-les "compétences": nous pouvons supposer en toute sécurité que les années d'études sont affectées par les "compétences", car plus vous êtes qualifié, plus il est facile d'obtenir une éducation. Ainsi, si vous régressez vos années d'études sur le revenu, l'estimateur de l'effet éducation absorbe l'effet de "compétence" et vous obtenez une estimation trop optimiste du rendement de l'éducation. Cela revient à dire que l'effet de l'éducation sur le revenu est biaisé (à la hausse) parce que l'éducation n'est pas exogène au revenu.

L'endogénéité n'est un problème que si vous souhaitez récupérer des effets de causalité (contrairement à de simples corrélations). En outre, si vous pouvez concevoir une expérience, vous pouvez garantir que par attribution aléatoire. Malheureusement, cela est généralement impossible en sciences sociales.${\rm Cov}(X,\epsilon)=0$

User25901 recherche une explication simple, réelle et réelle, de la signification des termes exogène et endogène. Répondre avec des exemples obscurs ou des définitions mathématiques ne répond pas vraiment à la question qui a été posée.

Comment puis-je obtenir une compréhension intestinale de ces deux termes?

Voici ce que je suis venu avec:

Exo - externe, extérieure Endo - interne, interne -géneuse - originaire de

Exogène: une variable est exogène pour un modèle si elle n'est pas déterminée par d'autres paramètres et variables du modèle, mais est définie de manière externe et toute modification qui lui est apportée provient d'efforts externes.

Endogène: une variable est endogène dans un modèle si elle est au moins en partie fonction d'autres paramètres et variables d'un modèle.

$X'\epsilon=0$$X'\hat\epsilon=0$

$Y=\alpha +\beta X + \gamma Z + {\rm noise}$$Z$$X$$X'{\rm noise} \neq 0$$Z$$X$$\log(e^x)=x$. C'est juste un fait mathématique. C'est le biais de variable omis.

$I$$Y$$X$$I$$X$$X$$Y$

Il s’agit des moindres carrés en deux étapes, ce qui est presque identique à IV.

Dans la régression, nous voulons saisir l'impact quantitatif d'une variable indépendante (supposée exogène et ne dépendant pas d'autre chose) sur une variable dépendante identifiée. Nous voulons savoir quel est l’effet net d’une variable exogène sur une variable dépendante, ce qui signifie que la variable indépendante devrait être libre de toute influence d’une autre variable. Un moyen rapide de voir si la régression souffre du problème d'endogénéité consiste à vérifier la corrélation entre la variable indépendante et les résidus. Mais ceci n’est qu’une simple vérification, sinon des tests d’endogénéité formels doivent être entrepris.