Exogene vs. endogene Variablen: Zentrale Unterschiede und Beispiele

Angenommen, du willst wissen, ob längere Schulzeit tatsächlich deinen Verdienst steigert. Du schätzt eine Regression, bekommst einen positiven Koeffizienten für Bildung und bist erstmal zufrieden. Dann weist dich jemand darauf hin, dass klügere, motiviertere Menschen tendenziell sowohl mehr Bildung anstreben als auch mehr verdienen – unabhängig von der Schulzeit. Deine Schätzung fängt also Begabung genauso ein wie Bildung. Das ist Endogenität – und eine der häufigsten Fallen, die Regressionsresultate in die Irre führen.

Die Unterscheidung zwischen exogenen und endogenen Variablen steht im Zentrum dieses Problems. Verwechselst du sie, bedeuten deine Koeffizienten nicht das, was du denkst. Triffst du sie richtig, kannst du glaubwürdige Kausalaussagen treffen. Dieser Artikel führt durch die Definitionen, die wichtigsten Unterschiede, die Hauptquellen von Endogenität und die gängigen Gegenmittel. Offen gesagt: Beim Thema Gegenmittel werden viele Darstellungen schwammig. Hier versuche ich, das zu vermeiden.

Was sind exogene und endogene Variablen?

Die Wörter stammen aus dem Griechischen: exo (außerhalb) und endo (innerhalb). Eine exogene Variable wird außerhalb des betrachteten Systems bestimmt. Sie beeinflusst Ergebnisse, wird aber nicht von den anderen Variablen im Modell beeinflusst. Eine endogene Variable wird vom System selbst geformt – sie ist mit anderen Variablen so verknüpft, dass Rückkopplungen oder versteckte Abhängigkeiten entstehen.

In der Regression hat die Unterscheidung eine präzise statistische Bedeutung. Eine Variable ist exogen, wenn sie mit dem Fehlerterm des Modells unkorreliert ist. Sie ist endogen, wenn sie mit diesem Fehlerterm korreliert – also etwas in den Residuen steckt, das auch deinen Prädiktor antreibt.

Exogene Variablen

Eine exogene Variable steht außerhalb der Rückkopplungsschleife. Denk an den täglichen Niederschlag als Treiber landwirtschaftlicher Erträge: Die Anbauentscheidungen der Bäuerin beeinflussen das Wetter nicht. Regen wirkt sich auf den Ertrag aus, aber der Ertrag wirkt nicht auf den Regen zurück. In Regressionssprache heißt das: keine Korrelation zwischen Prädiktor und Fehlerterm, was Statistiker als Cov(X, ε) = 0 schreiben. Diese Nullkovarianz-Bedingung macht OLS-Schätzer unverzerrt. Gilt sie, erfasst der Koeffizient auf X den Zusammenhang zwischen X und dem Ergebnis sauber – ohne Verunreinigung durch ausgelassene Faktoren.

Endogene Variablen

Eine endogene Variable ist mit dem Fehlerterm verstrickt. Zurück zum Bildung-Beispiel: Der Verdienst hängt von Begabung, Motivation, familiärem Hintergrund und vielen anderen Dingen ab, die auch die Bildungsjahre beeinflussen. Diese unbeobachteten Faktoren landen im Fehlerterm ε. Weil Bildung mit ε korreliert, haben wir Endogenität: Cov(X, ε) ≠ 0.

Die genaue Bedeutung von „exogen" und „endogen" verschiebt sich je nach Modellkontext etwas. In Strukturgleichungsmodellen werden Variablen danach klassifiziert, ob sie Outputs des Systems sind; in der Ökonometrie liegt der Schwerpunkt auf der Beziehung zum Fehlerterm. Beide Perspektiven zielen auf dieselbe Grundidee.

Exogene vs. endogene Variablen: Zentrale Unterschiede

Die Tabelle unten fasst den Kerngegensatz zusammen. Danach gehen wir auf die Feinheiten ein.

Beispiele für exogene und endogene Variablen

Abstrakte Definitionen tragen nur begrenzt. Hier sind drei Szenarien, in denen die Klassifizierung exogen/endogen wirklich weiterhilft.

Bildung und Verdienst

Das ist aus gutem Grund das Standardbeispiel. Du willst den kausalen Effekt eines zusätzlichen Schuljahres auf den Lohn schätzen. Das Problem: Personen mit höherer Begabung erhalten tendenziell mehr Bildung und verdienen mehr. Begabung ist nicht im Modell. Sie steckt im Fehlerterm. Bildung und Fehlerterm sind daher korreliert, und dein Bildungskoeffizient wird durch die stillschweigend aufgesaugte Begabungsprämie nach oben verzerrt.

Bildung hier als exogen zu behandeln, wäre ein Fehler. Sie ist endogen – teils bestimmt durch genau die unbeobachteten Faktoren, die du nicht kontrollieren kannst.

Preis und Nachfrage

In einem Standardmarkt aus Angebot und Nachfrage werden Preis und Menge simultan bestimmt. Wenn du nachgefragte Menge auf den Preis regressierst, identifizierst du nicht die Nachfragekurve. Du zeichnest ein Gleichgewicht nach, das sich mit Angebots- und Nachfrageschocks verschiebt. Der Preis wird nicht unabhängig von der Nachfrage gesetzt; er reagiert darauf. Daher ist der Preis endogen, wenn die Menge die Zielgröße ist – und umgekehrt.

Dieses Simultanitätsproblem erklärt, warum Ökonominnen schon lange vor dem Rest der Welt an natürlichen Experimenten und Instrumentvariablen interessiert waren.

Wetter und landwirtschaftlicher Ertrag

Niederschlag ist das klassische exogene Beispiel. Die Entscheidung, wie viel Weizen angebaut wird, ändert den morgigen Regen nicht. Regen beeinflusst den Ertrag, aber der Ertrag wirkt nicht auf den Regen zurück. Diese Einbahnwirkung – zusammen mit der plausiblen Annahme, dass Wetter nicht mit unbeobachteten betriebsspezifischen Produktivitätsschocks korreliert – macht es zu einem plausiblen exogenen Prädiktor.

Allerdings ist keine Variable per se exogen oder endogen. Die Einordnung hängt vom Modell und seinen Annahmen ab. Wenn du langfristiges regionales Klima und landwirtschaftliche Flächennutzung gemeinsam modellierst, wirkt „Wetter" vielleicht nicht mehr so unabhängig.

Warum Endogenität in der Regression problematisch ist

Das technische Problem ist klar: OLS setzt voraus, dass erklärende Variablen mit dem Fehlerterm unkorreliert sind. Fällt diese Annahme, fängt der Schätzer Variation auf, die eigentlich ausgelassenen Faktoren zuzuschreiben ist – nicht der interessierenden Variablen. Das führt zu verzerrten und inkonsistenten Schätzungen. Mit genug Daten konvergiert OLS auf die falsche Zahl – nicht wegen Stichprobenfehler, sondern weil das falsche Problem gelöst wird.

Die Interpretationsschäden summieren sich schnell. Ein verzerrter Koeffizient führt zu irreführenden Schlussfolgerungen, fehlerhaften Prognosen und schlechter Politik. Überschätzt du die Lohnrendite von Bildung wegen ausgelassener Begabung, könntest du Bildungsprogramme im Vergleich zu etwa frühkindlichen Interventionen überfördern. Aus dem statistischen Problem wird rasch ein praktisches.

Formal verlangt die Exogenitätsbedingung E(ε | X) = 0, mindestens jedoch Cov(X, ε) = 0. Versagt sie, konvergiert der OLS-Schätzer β̂ in Wahrscheinlichkeit gegen β + (E[X′X])⁻¹E[X′ε] statt gegen β. Der zusätzliche Term ist der Bias – und er verschwindet nicht mit wachsender Stichprobe.

Was verursacht Endogenität?

Es gibt mehrere Mechanismen. Zu wissen, welcher vorliegt, bestimmt die passende Lösung.

Ausgelassene Variablen (Omitted Variable Bias)

Das ist der häufigste Übeltäter. Lässt du eine relevante Variable aus, wird ihr Effekt in den Fehlerterm verschoben. Korreliert diese ausgelassene Variable auch mit einem deiner Prädiktoren, hast du Endogenität. Die Bildung–Begabung-Story ist klassisch: Begabung gehört in die Lohngleichung, lässt sich aber nicht sauber messen und bleibt daher in ε. Weil Begabung mit Bildung korreliert, saugt der Bildungsköffizient einen Teil der Begabungsprämie auf.

Simultanität

Simultanität entsteht, wenn zwei Variablen sich gegenseitig bestimmen: Preis und Menge im Wettbewerbsmarkt, Polizeipräsenz und Kriminalitätsraten, Werbebudget und Absatz. Jede ist Ursache und Wirkung der anderen – keine kann als exogen behandelt werden. Das Kennzeichen von Simultanität ist, dass du ein Gleichungssystem brauchst, um den Datenprozess zu beschreiben. Eine einzelne Regression kann nicht entwirren, wer wen verursacht.

Messfehler

Wird ein Prädiktor mit Fehlern gemessen, wird er endogen – selbst wenn die wahre zugrundeliegende Variable es nicht wäre. Der Messfehler landet sowohl im Prädiktor als auch im Residuum und erzeugt Korrelation zwischen beiden. Klassisches Beispiel: selbstberichtetes Einkommen. Menschen erinnern sich falsch, runden oder geben absichtlich falsch an; die Lücke zwischen berichtetem und tatsächlichem Einkommen korreliert dann mit der Größe, die du als Regressor nutzt.

Selektion und weitere Quellen

Selektionsbias verdient eine eigene Nennung. Wenn der Sample-Zutritt vom Outcome oder von Faktoren abhängt, die mit deinem Prädiktor korreliert sind, arbeitest du mit einem nicht-zufälligen Ausschnitt der Population. Die kanonische Variante ist Heckmans Selektionsmodell: Lohnbestimmung nur für Erwerbstätige zu untersuchen, obwohl die Erwerbsentscheidung selbst mit potenziellen Löhnen korreliert ist.

Weitere Quellen existieren (umgekehrte Kausalität, dynamische Panels, in denen verzögerte Outcomes zu Prädiktoren werden, Netzwerkeffekte), aber ausgelassene Variablen, Simultanität und Messfehler decken den Großteil der Fälle ab.

Wie man Endogenität erkennt

Du kannst Endogenität in der Regel nicht per Korrelationsmatrix oder Standarddiagnostik erkennen. Das Problem liegt in der Beziehung zwischen Prädiktor und Fehlerterm – und der ist per Definition unbeobachtet.

Was wirklich hilft, sind Theorie und Domänenwissen. Frag dich vor jeder Regression: Wird dieser Prädiktor durch Faktoren bestimmt, die auch mein Outcome beeinflussen – über Kanäle, die ich nicht kontrolliert habe? Ein Kausaldiagramm kann helfen. Gerichtete azyklische Graphen (DAGs) machen sichtbar, welche Pfade existieren und welche Störgrößen blockiert werden müssen.

Ein formaler Ansatz ist der Durbin–Wu–Hausman-Test, der OLS-Schätzungen mit Instrumentvariablen-Schätzungen vergleicht. Weichen die Koeffizienten signifikant ab, ist das ein Hinweis auf Endogenität des Prädiktors. Beachte: Die klassische Variante setzt homoskedastische Fehler voraus; nutze eine robuste Form (z. B. Wooldridges regressionsbasierten Ansatz), wenn diese Annahme fraglich ist. Der Test funktioniert aber nur, wenn du bereits ein valides Instrument hast – und das zu finden ist oft schwerer als der Test selbst. Er ist eine nützliche Prüfung, kein Ersatz für gründliches Nachdenken über den Datenprozess.

Wie man Endogenität behebt

Es gibt keine Einheitslösung. Die richtige Methode hängt von der Ursache der Endogenität ab.

Instrumentvariablen

Die Grundidee: Finde eine Variable (das Instrument), die deinen endogenen Prädiktor beeinflusst, aber keinen direkten Effekt auf das Outcome hat – außer über diesen Prädiktor. Ein valides Instrument erfüllt zwei Bedingungen: Relevanz (es korreliert mit der endogenen Variable) und die Ausschlussrestriktion (es gehört nicht direkt in die Outcome-Gleichung).

Im Bildungsbeispiel wurde die Entfernung vom Wohnort zur nächstgelegenen Hochschule als Instrument vorgeschlagen. Wer weit von einer Hochschule aufwuchs, erhielt weniger Bildung – nicht wegen geringerer Begabung, sondern wegen höherer Kosten. Wenn Entfernung den Lohn nur über Bildung beeinflusst, ist es ein valides Instrument. Diese zweite Bedingung ist mit Daten allein nie nachprüfbar. Deshalb braucht IV-Schätzung eine belastbare Argumentation – nicht nur einen signifikanten First Stage.

Two-Stage Least Squares

Two-Stage Least Squares (2SLS) setzt IV-Schätzung praktisch um. In Stufe eins regressierst du den endogenen Prädiktor auf das Instrument und exogene Kontrollen. In Stufe zwei ersetzt du die endogene Variable durch die vorhergesagten Werte aus Stufe eins und regressierst das Outcome darauf. Die vorhergesagten Werte enthalten nur die Variation im Prädiktor, die vom Instrument kommt (Variation, die mit dem Fehlerterm in der Outcome-Gleichung unkorreliert ist) – deshalb liefert 2SLS eine sauberere Kausalschätzung. In der Praxis solltest du die beiden Stufen nicht manuell als getrennte OLS-Regressionen laufen lassen. Die Standardfehler der zweiten Stufe wären falsch, weil sie die Unsicherheit aus Stufe eins ignorieren. Nutze stattdessen einen dedizierten IV-Schätzer (ivreg im AER-Paket für R oder IV2SLS in Python's linearmodels).

Fixed Effects

Wenn Endogenität aus unbeobachteten, zeitlich stabilen Individualmerkmalen entsteht (Begabung, Unternehmenskultur, Nachbarschaftsqualität), helfen Paneldaten mit Fixed Effects. Die Aufnahme einer Einheiten-spezifischen Dummy-Variable (oder äquivalent: Demeaning innerhalb der Einheiten) entfernt alle zeitinvarianten ausgelassenen Variablen auf Einheitenebene. Fixed Effects lösen keine zeitvariablen Störfaktoren, keine Messfehler und keine Simultanität, sind aber für stabile Unbeobachtete oft die sauberste Lösung.

Experimentelle und quasi-experimentelle Designs

Die sauberste Quelle exogener Variation ist Randomisierung. In einer randomisierten kontrollierten Studie ist die Treatment-Zuteilung per Design unabhängig von allem anderen. Wenn Randomisierung nicht möglich ist, können natürliche Experimente (externe Ereignisse, die die Exposition faktisch randomisieren) ähnliche Glaubwürdigkeit liefern. Regressions-Diskontinuitätsdesigns und Difference-in-Differences sind zwei gängige quasi-experimentelle Ansätze auf dieser Logik.

Wichtig: Keine dieser Methoden löst jeden Endogenitätstyp. IV braucht ein belastbares Instrument. Fixed Effects helfen nicht bei Simultanität. Randomisierung ist bei den wichtigsten Fragen selten verfügbar.

Instrumentvariablen: Ein einfaches Beispiel

Der Fall Bildung–Verdienst macht die Mechanik greifbar. Die endogene Variable sind die Schuljahre – endogen, weil sie mit unbeobachteter Begabung im Fehlerterm korrelieren. Wir brauchen ein Instrument: etwas, das die Bildungsjahre vorhersagt, aber den Verdienst nur über Bildung beeinflusst.

Card (1995) schlug die Nähe zu einer vierjährigen Hochschule vor. Wer in Hochschulnähe aufwuchs, hatte geringere Teilnahmekosten und erhielt im Durchschnitt mehr Bildung. Beeinflusst das Wohnen in Hochschulnähe – kontrolliert für andere Standortfaktoren – nicht direkt den Erwachsenenlohn, erfüllt die Nähe die Ausschlussrestriktion.

Erste Stufe: Regressiere Bildungsjahre auf Hochschulnähe plus Kontrollen. Das liefert angepasste Bildungswerte, die nur die durch Nähe getriebene Variation enthalten – nicht durch Begabung. Zweite Stufe: Regressiere Log-Löhne auf diese angepassten Werte. Der Koeffizient auf angepasste Bildung schätzt den kausalen Effekt von Bildung auf Löhne für Personen, deren Bildung tatsächlich durch Nähe beeinflusst wurde – den sogenannten Local Average Treatment Effect (LATE).

Das Instrument liefert dir nicht den durchschnittlichen Effekt für alle. Es liefert eine glaubwürdige Kausalschätzung für die „Compliers", also diejenigen, deren Bildung sich wegen der Nähe geändert hat. Das ist eine echte, aber ehrliche Einschränkung von IV.

Exogene und endogene Variablen in der Kausalinferenz

Die Regressionssicht auf Exogenität dreht sich um Korrelation mit dem Fehlerterm. Die Kausalinferenz-Sicht zielt auf etwas leicht anderes: ob eine Variable eine Ursache des Outcomes über einen isolierbaren Pfad ist. Im DAG-Rahmen nach Judea Pearl sind exogene Variablen Knoten ohne Eltern im Graphen. Confounder sind gemeinsame Ursachen von Treatment und Outcome – genau sie erzeugen Endogenität im Regressionssinn.

Die Verbindung zwischen den Frameworks ist real, aber nicht immer nahtlos. Ökonometrische Endogenität entspricht grob dem Vorhandensein ungeblockter Backdoor-Pfade in einem DAG. Das Kontrollieren eines Confounders blockiert einen Backdoor-Pfad. IV-Schätzung entspricht dem Auffinden einer exogenen Quelle der Treatment-Variation.

Wichtig ist: In graphischen Modellen kann eine Variable in einem System exogen und in einem anderen endogen sein – genau wie im Bildung–Verdienst-Beispiel. Die praktische Konsequenz ist in beiden Rahmen dieselbe. Du musst deine Kausalannahmen begründen – nicht nur ein Modell fitten.

Exogene vs. endogene Variablen im Machine Learning

Im klassischen prädiktiven ML ist Endogenität weitgehend irrelevant. Geht es darum, den Vorhersagefehler auf Hold-out-Daten zu minimieren, ist es egal, ob deine Features exogen sind. Ein Modell mit endogenen Prädiktoren kann trotzdem gut generalisieren. Der verzerrte Koeffizient ist ein Interpretationsproblem, kein Prognoseproblem.

Relevant wird die Unterscheidung, wenn du Koeffizienten kausal interpretierst oder das Modell für Interventionen nutzt. Beispiel: Ein Unternehmen trainiert ein Churn-Modell und handelt danach, indem es Kundinnen anhand des jüngsten Volumens an Support-Tickets anspricht. Dann stellt sich die kausale Frage: Verursacht das Ticketvolumen den Churn – oder ist es ein Symptom derselben Unzufriedenheit, die beides treibt? Auf einen endogenen Prädiktor zu reagieren, als sei er eine Ursache, kann zu wirkungslosen oder kontraproduktiven Maßnahmen führen.

Kausale ML-Methoden (Double Machine Learning, Causal Forests, Policy Learning) bauen die Exogenitätsanforderungen explizit ein, die Standard-ML ignoriert. Sie nutzen instrumentenähnliche oder experimentelle Variation, um Effekte zu schätzen, die robust gegenüber Endogenität sind. Sie sind daten- und annahmeintensiver, aber die richtige Wahl, wenn es um Policy-Evaluation statt Vorhersage geht.

Häufige Missverständnisse

Hier sind ein paar typische Irrtümer, auf die du stoßen könntest. 

Unabhängige Variablen sind immer exogen

„Unabhängige Variable" bedeutet nur „Prädiktor". Es sagt nichts darüber aus, ob diese Variable exogen ist. In der Lohnregression ist Bildung die unabhängige Variable – und sie ist endogen. Die beiden Klassifizierungen beschreiben Verschiedenes.

Endogen heißt dasselbe wie abhängige Variable

„Abhängige Variable" ist das Outcome, die linke Seite. „Endogene Variable" beschreibt einen Prädiktor, der mit dem Fehlerterm korreliert, also die rechte Seite. In Gleichungssystemen können sie sich überschneiden, aber sie sind keine Synonyme.

Exogenität heißt völlig unabhängig von anderen Variablen

Exogenität erfordert keine statistische Unabhängigkeit von anderen Regressoren. Zwei Prädiktoren können miteinander korrelieren und beide exogen sein – solange keiner mit dem Fehlerterm korreliert. Exogenität bezieht sich spezifisch auf die Beziehung zu ε.

Statistische Kontrollen beseitigen Endogenität automatisch

Zusätzliche Kontrollen helfen, wenn Endogenität von einem beobachtbaren, messbaren Auslassungsfaktor herrührt. Viele Störgrößen (Begabung, Motivation, soziale Netzwerke) sind jedoch unbeobachtet. Mehr Kontrollen lösen das Problem nicht, wenn die entscheidende ausgelassene Variable nicht in deinen Daten steckt.

Fazit

Exogen und endogen beschreiben, wo eine Variable herkommt und wie sie sich zum Rest des Modells verhält – nicht einfach, auf welcher Seite einer Gleichung sie steht. Ein Prädiktor ist exogen, wenn er außerhalb des Systems bestimmt wird und mit dem Fehlerterm unkorreliert ist. Er ist endogen, wenn er mit unbeobachteten Faktoren verknüpft ist, die auch das Outcome treiben.

Die Unterscheidung ist wichtig, weil Endogenität OLS aushebelt. Ausgelassene Variablen, Simultanität und Messfehler erzeugen jeweils Korrelation zwischen Prädiktoren und Fehlerterm und treiben Schätzungen in Richtung Zahlen, die nicht den gesuchten Kausaleffekt repräsentieren. Abhilfe verlangt zu verstehen, warum die Endogenität entstanden ist, und dann eine Methode zu wählen (Instrumente, Fixed Effects, quasi-experimentelles Design), die zur Quelle passt. Es gibt kein Allheilmittel – und die Methoden, die am nächsten herankommen, erfordern Annahmen, die man begründen kann, aber nie vollständig beweisen.

Wenn du tiefer in die Regressionsmechanik einsteigen willst, behandelt unser Intermediate Regression in R Kurs die Annahmen im Detail, und unser Causal Inference with R Kurs knüpft genau hier an – inklusive Instrumentvariablen, Difference-in-Differences und Regressions-Diskontinuitätsdesigns.