Variabel Eksogen vs. Endogen: Perbedaan Utama dan Contoh

Misalkan Anda ingin mengetahui apakah bersekolah lebih lama benar-benar meningkatkan penghasilan Anda. Anda menjalankan regresi, mendapatkan koefisien positif pada pendidikan, dan merasa yakin. Lalu seseorang menunjukkan bahwa orang yang lebih pintar dan lebih termotivasi cenderung mengejar pendidikan lebih tinggi dan berpenghasilan lebih besar, terlepas dari sekolahnya. Estimasi Anda menangkap kemampuan sama banyaknya dengan pendidikan. Itulah endogenitas, dan ini adalah salah satu cara paling umum hasil regresi menyesatkan.

Pembedaan antara variabel eksogen dan endogen berada di inti masalah ini. Jika keliru, koefisien Anda tidak berarti seperti yang Anda kira. Jika tepat, Anda bisa mulai membuat klaim kausal yang kredibel. Artikel ini mengulas definisi, perbedaan utama, sumber-sumber utama endogenitas, dan penanganan standarnya. Terus terang: bagian penanganan sering kali dibahas setengah hati. Di sini saya berupaya untuk tidak demikian.

Apa itu Variabel Eksogen dan Endogen?

Kata-katanya berasal dari bahasa Yunani: exo (di luar) dan endo (di dalam). Variabel eksogen ditentukan di luar sistem yang dimodelkan. Ia memengaruhi hasil, tetapi tidak dipengaruhi oleh variabel lain dalam model. Variabel endogen dibentuk oleh sistem itu sendiri, artinya terikat dengan variabel lain dengan cara yang menciptakan umpan balik atau ketergantungan tersembunyi.

Dalam regresi, pembedaan ini memiliki makna statistik yang tepat. Suatu variabel bersifat eksogen jika tidak berkorelasi dengan suku galat model. Ia bersifat endogen jika berkorelasi dengan suku galat tersebut, artinya ada sesuatu dalam residual yang juga mendorong prediktor Anda.

Variabel eksogen

Variabel eksogen berada di luar lingkaran umpan balik. Bayangkan curah hujan harian sebagai pendorong hasil pertanian: keputusan tanam petani tidak memengaruhi cuaca. Hujan memengaruhi hasil panen, tetapi hasil panen tidak kembali mengubah hujan. Dalam istilah regresi, ini berarti tidak ada korelasi antara prediktor dan suku galat, yang oleh ahli statistik ditulis sebagai Cov(X, ε) = 0. Kondisi kovarians nol inilah yang membuat estimasi OLS tidak bias. Ketika terpenuhi, koefisien pada X menangkap hubungan antara X dan keluaran secara bersih, tanpa terkontaminasi faktor yang terlewat.

Variabel endogen

Variabel endogen terjerat dengan suku galat. Kembali ke contoh pendidikan: penghasilan dipengaruhi oleh kemampuan, motivasi, latar belakang keluarga, dan banyak hal lain yang juga memengaruhi seberapa banyak sekolah yang ditempuh seseorang. Faktor-faktor tak teramati itu masuk ke dalam suku galat ε. Karena pendidikan berkorelasi dengan ε, kita menghadapi endogenitas: Cov(X, ε) ≠ 0.

Makna tepat "eksogen" dan "endogen" agak bergeser menurut konteks pemodelan. Dalam structural equation modeling, variabel diklasifikasikan berdasarkan apakah mereka merupakan keluaran sistem; dalam ekonometrika, penekanannya pada hubungan dengan suku galat. Keduanya menangkap gagasan dasar yang sama.

Variabel Eksogen vs. Endogen: Perbedaan Utama

Tabel di bawah ini menangkap kontras intinya.ast. Bagian selanjutnya mengulas nuansanya.

Contoh Variabel Eksogen dan Endogen

Definisi abstrak hanya sejauh itu membantu. Berikut tiga skenario di mana klasifikasi eksogen/endogen benar-benar diperlukan.

Pendidikan dan penghasilan

Ini contoh klasik dengan alasan yang baik. Anda ingin mengestimasi efek kausal dari tambahan satu tahun sekolah terhadap upah. Masalahnya: orang dengan kemampuan lebih tinggi cenderung bersekolah lebih lama dan berpenghasilan lebih tinggi. Kemampuan tidak ada dalam model Anda. Ia berada dalam suku galat. Pendidikan dan suku galat karenanya berkorelasi, dan koefisien pendidikan Anda menggembung karena premi kemampuan yang diam-diam terserap.

Memperlakukan pendidikan sebagai eksogen di sini adalah kesalahan. Ia endogen, sebagian ditentukan oleh faktor tak teramati yang justru tidak bisa Anda kendalikan.

Harga dan permintaan

Dalam pasar penawaran-permintaan standar, harga dan kuantitas ditentukan secara simultan. Jika Anda meregresikan kuantitas yang diminta pada harga, Anda tidak mengidentifikasi kurva permintaan. Anda sedang menelusuri sebuah ekuilibrium yang bergeser oleh guncangan penawaran dan permintaan. Harga tidak ditetapkan secara independen dari permintaan; ia meresponsnya. Jadi harga bersifat endogen ketika kuantitas adalah keluarannya, dan sebaliknya.

Masalah simultanitas inilah yang membuat para ekonom tertarik pada eksperimen alamiah dan variabel instrumental jauh sebelum metode tersebut populer di tempat lain.

Cuaca dan hasil pertanian

Curah hujan adalah variabel eksogen buku teks. Keputusan petani tentang berapa banyak gandum yang ditanam tidak mengubah curah hujan esok hari. Hujan memengaruhi hasil, tetapi hasil tidak memberikan umpan balik pada hujan. Pengaruh satu arah itu, ditambah asumsi wajar bahwa cuaca tidak berkorelasi dengan guncangan produktivitas tingkat-lahan yang tak teramati, menjadikannya prediktor eksogen yang masuk akal.

Namun demikian, tidak ada variabel yang secara inheren eksogen atau endogen. Klasifikasi bergantung pada model dan asumsinya. Jika Anda memodelkan iklim regional jangka panjang dan penggunaan lahan pertanian secara bersama, "cuaca" mungkin tidak lagi tampak begitu independen.

Mengapa Endogenitas Menjadi Masalah dalam Regresi

Isu teknisnya lugas. OLS mengasumsikan bahwa variabel penjelas tidak berkorelasi dengan suku galat. Ketika asumsi ini gagal, penaksir menangkap variasi yang berasal dari faktor yang terlewat alih-alih variabel yang diminati, menghasilkan estimasi yang bias dan tidak konsisten. Dengan data yang cukup, OLS akan konvergen ke angka yang salah, bukan karena kesalahan pengambilan sampel, tetapi karena menyelesaikan masalah yang keliru.

Kerusakan interpretatifnya cepat berlipat. Koefisien yang bias mengarah pada kesimpulan menyesatkan, prediksi keliru, dan kebijakan buruk. Jika Anda melebihkan imbal hasil pendidikan terhadap penghasilan karena kemampuan yang terlewat, Anda mungkin memberikan pendanaan berlebih pada program sekolah dibanding, misalnya, intervensi usia dini. Masalah statistik dengan cepat menjadi masalah praktis.

Secara formal, kondisi eksogenitas mensyaratkan E(ε | X) = 0, atau setidaknya Cov(X, ε) = 0. Ketika ini gagal, penaksir OLS β̂ mengonvergen dalam probabilitas ke β + (E[X′X])⁻¹E[X′ε] alih-alih β. Suku tambahan itulah bias, dan tidak hilang seiring bertambahnya sampel.

Apa Penyebab Endogenitas?

Ada beberapa mekanisme berbeda, dan mengetahui yang mana yang Anda hadapi menentukan cara menanganinya.

Bias variabel terlewat (omitted variable bias)

Ini adalah penyebab paling umum. Ketika variabel relevan tidak dimasukkan dalam model, pengaruhnya diserap ke suku galat. Jika variabel yang terlewat itu juga berkorelasi dengan salah satu prediktor Anda, terjadilah endogenitas. Kisah pendidikan-kemampuan adalah kasus klasik: kemampuan seharusnya ada dalam persamaan upah, tetapi kita tidak bisa mengukurnya dengan bersih, sehingga tetap berada dalam ε. Karena kemampuan berkorelasi dengan pendidikan, koefisien pendidikan menyerap sebagian premi kemampuan.

Simultanitas

Simultanitas muncul ketika dua variabel saling menentukan: harga dan kuantitas di pasar kompetitif, kehadiran polisi dan tingkat kejahatan, belanja iklan dan penjualan. Masing-masing menjadi sebab dan akibat bagi yang lain, sehingga tidak ada yang bisa diperlakukan sebagai eksogen. Ciri khas simultanitas adalah Anda memerlukan sistem persamaan untuk menggambarkan proses pembangkitan data. Regresi satu persamaan tidak dapat mengurai siapa menyebabkan apa.

Kesalahan pengukuran

Ketika prediktor diukur dengan kesalahan, ia menjadi endogen meskipun variabel dasarnya sendiri tidak demikian. Kesalahan pengukuran berakhir di prediktor dan residual, menciptakan korelasi di antara keduanya. Contoh klasik: pendapatan yang dilaporkan sendiri. Orang lupa, membulatkan, atau sengaja salah lapor, dan selisih antara pendapatan yang dilaporkan dan sebenarnya menjadi berkorelasi dengan angka yang Anda gunakan sebagai regresor.

Seleksi dan sumber lain

Bias seleksi patut disebut terpisah. Jika siapa yang masuk sampel Anda bergantung pada variabel keluaran atau faktor yang berkorelasi dengan prediktor Anda, Anda bekerja dengan potongan populasi yang tidak acak. Versi kanoniknya adalah model seleksi Heckman: mengkaji penentu upah bagi pekerja yang dipekerjakan, ketika keputusan untuk bekerja sendiri berkorelasi dengan potensi upah.

Sumber lain ada (kausalitas terbalik, panel dinamis di mana keluaran terundur menjadi prediktor, efek jaringan), tetapi variabel terlewat, simultanitas, dan kesalahan pengukuran mencakup sebagian besar kasus yang akan Anda temui.

Cara Mendeteksi Endogenitas

Anda umumnya tidak bisa mendeteksi endogenitas hanya dengan melihat matriks korelasi atau menjalankan diagnostik standar. Masalahnya ada pada hubungan antara prediktor dan suku galat, yang secara definisi tak teramati.

Yang benar-benar membantu adalah teori dan pengetahuan domain. Sebelum menjalankan regresi apa pun, tanyakan: apakah prediktor ini ditentukan oleh faktor yang juga memengaruhi keluaran saya melalui saluran yang belum saya kendalikan? Menggambar diagram kausal bisa membantu. Directed acyclic graphs (DAG) memperjelas jalur mana yang ada dan pengganggu mana yang perlu diblokir.

Pendekatan formal adalah uji Durbin-Wu-Hausman, yang membandingkan estimasi OLS dengan estimasi variabel instrumental. Jika kedua set koefisien berbeda secara signifikan, itu bukti bahwa prediktor bersifat endogen. Perhatikan bahwa versi klasik mengasumsikan galat homoskedastik; gunakan varian robust (seperti bentuk berbasis regresi Wooldridge) jika asumsi itu diragukan. Namun uji ini hanya berfungsi jika Anda sudah memiliki instrumen yang valid, dan menemukannya sering kali lebih sulit daripada uji itu sendiri. Ini pemeriksaan yang berguna, bukan pengganti pemikiran cermat tentang proses pembangkitan data.

Cara Menangani Endogenitas

Tidak ada satu metode yang menangani semua jenis. Pilihan yang tepat bergantung pada penyebab endogenitasnya.

Variabel instrumental

Gagasan inti: temukan variabel (instrumen) yang memengaruhi prediktor endogen Anda tetapi tidak memiliki pengaruh langsung pada keluaran kecuali melalui prediktor tersebut. Instrumen yang valid memenuhi dua syarat: relevansi (berkorelasi dengan variabel endogen) dan pembatasan eksklusi (tidak termasuk langsung dalam persamaan keluaran).

Untuk contoh pendidikan, jarak dari rumah ke perguruan tinggi terdekat telah diusulkan sebagai instrumen untuk sekolah. Orang yang tumbuh jauh dari perguruan tinggi menempuh pendidikan lebih sedikit bukan karena mereka kurang mampu, tetapi karena biayanya lebih tinggi. Jika jarak tidak memengaruhi upah kecuali melalui sekolah, itu instrumen yang valid. Syarat kedua ini tidak dapat diverifikasi dengan data saja, itulah mengapa estimasi IV memerlukan argumen yang dapat dipertahankan, bukan sekadar first stage yang signifikan.

Two-stage least squares

Two-stage least squares (2SLS) mempraktikkan estimasi IV. Pada tahap pertama, Anda meregresikan prediktor endogen pada instrumen dan kontrol eksogen apa pun. Pada tahap kedua, Anda mengganti variabel endogen dengan nilai prediksinya dari tahap pertama dan menjalankan regresi keluaran pada nilai tersebut. Nilai prediksi hanya memuat variasi pada prediktor yang berasal dari instrumen (variasi yang tidak berkorelasi dengan suku galat dalam persamaan keluaran) sehingga 2SLS menghasilkan estimasi kausal yang lebih bersih. Dalam praktiknya, jangan jalankan dua tahap secara manual sebagai regresi OLS terpisah. Standar error tahap kedua akan keliru karena mengabaikan ketidakpastian estimasi dari tahap pertama. Gunakan penaksir IV khusus (ivreg di paket AER R, atau IV2SLS di linearmodels Python).

Fixed effects

Ketika endogenitas berasal dari karakteristik tingkat-individu yang tidak teramati dan stabil sepanjang waktu (kemampuan, budaya perusahaan, kualitas lingkungan), fixed effects pada data panel dapat membantu. Menyertakan dummy tingkat-unit (atau ekuivalennya, melakukan demeaning di dalam unit) menghapus semua variabel yang terlewat dan tidak berubah pada tingkat unit. Fixed effects tidak menangani pengganggu yang bervariasi sepanjang waktu, kesalahan pengukuran, atau simultanitas, tetapi untuk hal-hal tak teramati yang stabil, ini sering menjadi solusi paling bersih.

Desain eksperimental dan kuasi-eksperimental

Cara paling bersih untuk mendapatkan variasi eksogen adalah pengacakan. Dalam uji terkontrol teracak, penugasan perlakuan independen dari segala hal lainnya secara desain. Ketika pengacakan tidak mungkin, eksperimen alamiah (situasi di mana peristiwa eksternal secara efektif mengacak paparan) dapat mencapai kredibilitas serupa. Desain regression discontinuity dan difference-in-differences adalah dua kerangka kuasi-eksperimental yang umum dibangun di atas logika ini.

Perlu diingat: tidak satu pun metode ini menyelesaikan setiap jenis endogenitas. IV memerlukan instrumen yang dapat dipertahankan. Fixed effects tidak membantu dengan simultanitas. Pengacakan jarang tersedia untuk pertanyaan yang paling penting.

Variabel Instrumental: Contoh Sederhana

Kasus pendidikan-penghasilan membuat mekanismenya konkret. Variabel endogennya adalah tahun sekolah, endogen karena berkorelasi dengan kemampuan tak teramati dalam suku galat. Kita memerlukan instrumen: sesuatu yang memprediksi seberapa banyak sekolah yang ditempuh seseorang tetapi memengaruhi penghasilan hanya melalui pendidikan.

Card (1995) mengusulkan kedekatan dengan perguruan tinggi empat tahun. Orang yang tumbuh dekat perguruan tinggi menghadapi biaya kehadiran yang lebih rendah dan rata-rata menempuh pendidikan lebih banyak. Jika tinggal dekat perguruan tinggi tidak secara langsung memengaruhi upah saat dewasa (mengendalikan faktor lokasi lain), maka kedekatan memenuhi pembatasan eksklusi.

Tahap pertama: regresikan tahun sekolah pada kedekatan dengan perguruan tinggi ditambah kontrol. Ini menghasilkan nilai pas pendidikan yang hanya memuat variasi yang didorong oleh kedekatan, bukan oleh kemampuan. Tahap kedua: regresikan log upah pada nilai pas tersebut. Koefisien pada pendidikan terpas ini mengestimasi efek kausal pendidikan terhadap upah bagi orang yang pendidikannya memang dipengaruhi oleh kedekatan, yang oleh ekonometrikawan disebut local average treatment effect (LATE).

Instrumen tidak memberi Anda efek rata-rata untuk semua orang. Ia memberi estimasi kausal yang kredibel untuk para complier, yaitu mereka yang pendidikannya berubah karena kedekatan. Itu keterbatasan nyata IV, tetapi jujur.

Variabel Eksogen dan Endogen dalam Inferensi Kausal

Kerangka regresi tentang eksogenitas berkaitan dengan korelasi terhadap suku galat. Kerangka inferensi kausal berkaitan dengan sesuatu yang agak berbeda: apakah suatu variabel menjadi penyebab keluaran melalui jalur yang dapat Anda isolasi. Dalam kerangka directed acyclic graph (DAG) yang terkait dengan karya Judea Pearl, variabel eksogen adalah node tanpa induk dalam grafik. Pengganggu (confounder) adalah penyebab umum dari perlakuan dan keluaran, dan merekalah yang menciptakan endogenitas dalam pengertian regresi.

Koneksinya nyata tetapi tidak selalu rapi. Endogenitas ekonometrik kurang lebih memetakan pada adanya jalur backdoor yang tidak diblokir dalam DAG. Mengendalikan pengganggu setara dengan memblokir jalur backdoor. Estimasi IV setara dengan menemukan sumber variasi eksogen dalam perlakuan.

Satu hal yang perlu dicatat: dalam model grafikal, sebuah variabel bisa eksogen dalam satu sistem dan endogen dalam sistem lain, persis seperti yang diilustrasikan contoh pendidikan-penghasilan. Implikasi praktisnya sama apa pun kerangkanya. Anda perlu mengajukan argumen untuk asumsi kausal Anda, bukan sekadar memasang model.

Variabel Eksogen vs. Endogen dalam Machine Learning

Dalam ML prediktif standar, endogenitas sebagian besar tidak relevan. Jika tujuan Anda meminimalkan kesalahan prediksi pada data yang dipisahkan, tidak masalah apakah fitur Anda eksogen. Model yang menggunakan prediktor endogen tetap dapat melakukan generalisasi dengan baik. Koefisien yang bias menjadi masalah untuk interpretasi, bukan untuk peramalan.

Pembedaan ini mulai penting ketika Anda menafsirkan koefisien secara kausal atau menggunakan model untuk memandu intervensi. Misalnya bisnis melatih model churn lalu bertindak berdasarkan fiturnya, menargetkan pelanggan berdasarkan volume tiket dukungan terbaru. Pertanyaan kausal menjadi nyata: apakah volume tiket menyebabkan churn, atau itu gejala dari ketidakpuasan mendasar yang mendorong keduanya? Bertindak atas prediktor endogen seolah-olah ia sebab dapat menghasilkan intervensi yang boros atau kontra-produktif.

Metode ML kausal (double machine learning, causal forests, policy learning) secara eksplisit membangun persyaratan eksogenitas yang diabaikan ML standar. Mereka menggunakan variasi seperti instrumen atau eksperimental untuk mengestimasi efek yang tangguh terhadap endogenitas. Metode ini lebih menuntut dalam hal data dan asumsi identifikasi, tetapi itulah alat yang tepat ketika tujuan adalah evaluasi kebijakan, bukan prediksi.

Kesalahpahaman Umum

Berikut beberapa kesalahpahaman umum yang mungkin Anda temui. 

Variabel independen selalu eksogen

"Variabel independen" hanya berarti "prediktor." Itu tidak mengatakan apa pun tentang apakah variabel tersebut eksogen. Dalam regresi upah, pendidikan adalah variabel independen dan ia endogen. Kedua klasifikasi ini menggambarkan hal yang berbeda.

Endogen berarti sama dengan variabel dependen

"Variabel dependen" berarti keluaran yang Anda modelkan, sisi kiri. "Variabel endogen" menggambarkan prediktor yang berkorelasi dengan suku galat, di sisi kanan. Keduanya bisa tumpang tindih dalam sistem persamaan simultan, tetapi bukan sinonim.

Eksogenitas berarti sama sekali tidak terkait dengan variabel lain

Eksogenitas tidak memerlukan independensi statistik dari regresor lain. Dua prediktor bisa saling berkorelasi dan keduanya eksogen, selama tidak ada yang berkorelasi dengan suku galat. Eksogenitas khusus mengenai hubungan dengan ε.

Kontrol statistik otomatis menghilangkan endogenitas

Menambahkan kontrol membantu ketika endogenitas berasal dari faktor yang terlewat namun dapat Anda amati dan ukur. Tetapi banyak pengganggu (kemampuan, motivasi, jejaring sosial) tidak teramati. Menyertakan lebih banyak kontrol tidak menyelesaikan masalah jika variabel kunci yang terlewat tidak ada dalam data Anda.

Kesimpulan

Eksogen dan endogen menggambarkan dari mana suatu variabel berasal dan bagaimana ia berhubungan dengan sisa model, bukan sekadar sisi persamaan mana ia muncul. Sebuah prediktor bersifat eksogen ketika ditentukan di luar sistem dan tidak berkorelasi dengan suku galat. Ia bersifat endogen ketika terjerat dengan faktor tak teramati yang juga mendorong keluaran.

Pembedaan ini penting karena endogenitas merusak OLS. Variabel terlewat, simultanitas, dan kesalahan pengukuran masing-masing menciptakan korelasi antara prediktor dan suku galat, mendorong estimasi menuju angka yang tidak merepresentasikan efek kausal yang Anda cari. Memperbaikinya memerlukan pemahaman mengapa endogenitas muncul dan kemudian memilih metode (instrumen, fixed effects, desain kuasi-eksperimental) yang sesuai dengan sumbernya. Tidak ada perbaikan universal, dan metode yang paling mendekati memerlukan asumsi yang bisa Anda pertahankan tetapi tidak pernah bisa sepenuhnya dibuktikan.

Jika Anda ingin mendalami mekanika regresi di balik semua ini, kursus Intermediate Regression in R kami membahas asumsi-asumsinya secara rinci, dan kursus Causal Inference with R kami melanjutkan tepat dari titik artikel ini berakhir, termasuk variabel instrumental, difference-in-differences, dan desain regression discontinuity.