Экзогенные и эндогенные переменные: ключевые различия и примеры

Предположим, вы хотите понять, действительно ли более длительное обучение в школе повышает доходы. Вы запускаете регрессию, получаете положительный коэффициент при образовании и довольны результатом. Затем кто-то замечает, что более умные и мотивированные люди, как правило, и учатся дольше, и зарабатывают больше — независимо от самой школы. Ваша оценка улавливает не только эффект образования, но и способности. Это эндогенность — один из самых распространённых способов, из-за которых регрессионные результаты вводят в заблуждение.

Различие между экзогенными и эндогенными переменными находится в центре этой проблемы. Перепутайте их — и ваши коэффициенты не будут значить то, что вы думаете. Разберётесь правильно — и сможете делать убедительные причинно-следственные выводы. В этой статье рассмотрены определения, ключевые различия, основные источники эндогенности и стандартные способы их устранения. Скажем честно: чаще всего именно раздел с решениями излагают расплывчато. Здесь мы постарались этого избежать.

Что такое экзогенные и эндогенные переменные?

Слова происходят из греческого: exo (снаружи) и endo (внутри). Экзогенная переменная определяется вне моделируемой системы. Она влияет на исходы, но сама не зависит от других переменных модели. Эндогенная переменная формируется внутри системы, то есть связана с другими переменными так, что возникают петли обратной связи или скрытые зависимости.

В регрессии это различие имеет точный статистический смысл. Переменная экзогенна, если она некоррелирована с ошибкой модели. Эндогенна — если коррелирует с этой ошибкой, то есть в остатке есть нечто, что также влияет на ваш предиктор.

Экзогенные переменные

Экзогенная переменная находится вне петли обратной связи. Подумайте о суточных осадках как о факторе урожайности: решения фермера о посеве не влияют на погоду. Дожди влияют на урожай, но урожай не меняет дождь. В терминах регрессии это означает нулевую корреляцию между предиктором и ошибкой, то, что статистики записывают как Cov(X, ε) = 0. Именно это условие нулевой ковариации делает оценки МНК несмещёнными. Когда оно выполняется, коэффициент при X чисто отражает связь между X и исходом, без примеси упущенных факторов.

Эндогенные переменные

Эндогенная переменная переплетена с ошибкой. Вернёмся к примеру с образованием: на заработок влияют способность, мотивация, семейный фон и десятки других факторов, которые также влияют на объём получаемого образования. Эти ненаблюдаемые факторы попадают в ошибку ε. Поскольку образование коррелирует с ε, возникает эндогенность: Cov(X, ε) ≠ 0.

Точное значение терминов «экзогенный» и «эндогенный» немного смещается в зависимости от контекста моделирования. В структурном моделировании переменные классифицируются по тому, являются ли они выходами системы; в эконометрике акцент делается на связи с ошибкой. Обе рамки передают одну и ту же базовую идею.

Экзогенные vs. эндогенные переменные: ключевые различия

Таблица ниже передаёт суть противопоставления. В следующих разделах — детали.

Примеры экзогенных и эндогенных переменных

Абстрактных определений хватает ненадолго. Вот три сценария, где классификация экзогенности/эндогенности реально помогает.

Образование и заработок

Это классический пример — и не зря. Вы хотите оценить причинный эффект дополнительного года обучения на зарплату. Проблема: люди с более высокой способностью обычно получают больше образования и зарабатывают больше. Способность не в вашей модели. Она в ошибке. Следовательно, образование и ошибка коррелируют, и ваш коэффициент при обучении завышен за счёт «премии за способность», которую он молча впитывает.

Считать образование экзогенным здесь — ошибка. Оно эндогенно, отчасти определяется теми самыми ненаблюдаемыми факторами, которые вы не можете учесть.

Цена и спрос

В стандартной рыночной модели предложение и спрос одновременно определяют цену и объём. Если регрессировать спрос (количество) на цену, вы не идентифицируете кривую спроса. Вы прослеживаете равновесие, которое сдвигается под воздействием шоков и предложения, и спроса. Цена устанавливается не независимо от спроса; она на него реагирует. Значит, цена эндогенна, когда исход — количество, и наоборот.

Именно из-за этой проблемы одновременности экономисты заинтересовались естественными экспериментами и инструментальными переменными задолго до того, как эти методы стали популярны в других областях.

Погода и сельскохозяйственный выпуск

Осадки — хрестоматийная экзогенная переменная. Решение фермера о площади посева пшеницы не меняет завтрашние осадки. Дожди влияют на выпуск, но выпуск не влияет обратно на дожди. Это одностороннее влияние в сочетании с разумным предположением, что погода некоррелирована с ненаблюдаемыми шоками продуктивности на уровне хозяйств, делает её правдоподобным экзогенным предиктором.

При этом нет переменных, по своей природе всегда экзогенных или всегда эндогенных. Классификация зависит от модели и её предположений. Если бы вы совместно моделировали долгосрочный региональный климат и использование сельхозземель, «погода» могли бы уже не выглядеть столь независимой.

Почему эндогенность — проблема в регрессии

Технически всё просто. МНК предполагает, что объясняющие переменные некоррелированы с ошибкой. Когда это не так, оцениватель улавливает вариацию, принадлежащую упущенным факторам, а не интересующей переменной, что даёт смещённые и несостоятельные оценки. При сколь угодно большом объёме данных МНК будет сходиться к неверному числу не из-за выборочной ошибки, а потому что решает неверную задачу.

Интерпретационный ущерб накапливается быстро. Смещённый коэффициент ведёт к ошибочным выводам, плохим прогнозам и неверной политике. Если вы переоцениваете отдачу образования на заработки из‑за упущенной способности, вы можете перепрофинансировать школьные программы относительно, скажем, ранних дошкольных интервенций. Статистическая проблема быстро становится практической.

Формально условие экзогенности требует E(ε | X) = 0, или как минимум Cov(X, ε) = 0. Когда это нарушается, оценка МНК β̂ сходится по вероятности к β + (E[X′X])⁻¹E[X′ε], а не к β. Дополнительный член — это смещение, и оно не исчезает с ростом выборки.

Что вызывает эндогенность?

Существует несколько разных механизмов, и понимание того, с каким именно вы сталкиваетесь, определяет, как его устранять.

Смещение из‑за упущенных переменных

Это самый частый виновник. Когда из модели исключена релевантная переменная, её эффект уходит в ошибку. Если эта упущенная переменная также коррелирует с одним из ваших предикторов, возникает эндогенность. История с образованием и способностями — классика: способность должна быть в уравнении заработка, но мы не можем её чисто измерить, поэтому она остаётся в ε. Поскольку способность коррелирует с образованием, коэффициент при образовании частично впитывает «премию за способность».

Одновременность

Одновременность возникает, когда две переменные взаимно определяют друг друга: цена и количество в конкурентном рынке, полицейское присутствие и уровень преступности, рекламные расходы и продажи. Каждая одновременно причина и следствие другой, значит, ни одну нельзя считать экзогенной. Признак одновременности — необходимость системы уравнений для описания процесса формирования данных. Одно уравнение не распутает, кто кого вызывает.

Ошибки измерения

Когда предиктор измерен с ошибкой, он становится эндогенным, даже если истинная переменная таковой бы не была. Ошибка измерения попадает и в предиктор, и в остаток, создавая между ними корреляцию. Классический пример: самооценка дохода. Люди ошибаются в памяти, округляют или сознательно искажают, и разница между заявленным и фактическим доходом оказывается коррелированной с величиной, которую вы используете как регрессор.

Отбор и другие источники

Смещение отбора (selection bias) заслуживает отдельного упоминания. Если попадание в выборку зависит от целевой переменной или факторов, коррелирующих с предиктором, вы работаете с нерепрезентативным срезом населения. Канонический пример — модель отбора Хекмана: изучать детерминанты зарплат только среди занятых, когда само решение работать коррелирует с потенциальной зарплатой.

Есть и другие источники (обратная причинность, динамические панели, где лагированный исход становится предиктором, сетевые эффекты), но упущенные переменные, одновременность и ошибки измерения покрывают большинство случаев.

Как выявлять эндогенность

Обычно её нельзя обнаружить по корреляционной матрице или стандартной диагностике. Проблема в отношении между предиктором и ошибкой, а ошибка по определению ненаблюдаема.

Реально помогает теория и знание предметной области. Прежде чем запускать регрессию, спросите: определяется ли этот предиктор факторами, которые также влияют на мой исход через каналы, не учтённые в модели? Полезно нарисовать причинную диаграмму. Направленные ациклические графы (DAG) проясняют, какие пути существуют и какие конфаундеры надо блокировать.

Один формальный подход — тест Дурбина—Ву—Хаусмана, который сравнивает оценки МНК с оценками инструментальных переменных. Если они существенно различаются, это свидетельство эндогенности предиктора. Учтите, что классическая версия предполагает гомоскедастичность ошибок; используйте робастные варианты (например, регрессионную форму Вулдриджа), если это под вопросом. Но тест работает только при наличии валидного инструмента, а найти его часто сложнее, чем провести тест. Это полезная проверка, а не замена тщательному размышлению о процессе генерации данных.

Как устранять эндогенность

Универсального метода нет. Выбор зависит от причины эндогенности.

Инструментальные переменные

Суть: найти переменную (инструмент), которая влияет на ваш эндогенный предиктор, но не влияет напрямую на исход, кроме как через этот предиктор. Валидный инструмент удовлетворяет двум условиям: релевантность (коррелирует с эндогенной переменной) и ограничение исключения (не должен входить напрямую в уравнение исхода).

В примере с образованием предлагался инструмент — расстояние от дома до ближайшего колледжа. Люди, выросшие далеко от колледжа, получали меньше образования не из‑за меньших способностей, а из‑за более высоких издержек посещения. Если расстояние не влияет на заработок иначе как через образование, это валидный инструмент. Второе условие невозможно проверить только по данным, поэтому IV-оценивание требует защитимой аргументации, а не лишь значимого первого шага.

Метод двухшаговых наименьших квадратов

Двухшаговые наименьшие квадраты (2SLS) реализуют IV-оценивание. На первом шаге вы регрессируете эндогенный предиктор на инструмент и экзогенные контроли. На втором — заменяете эндогенную переменную её предсказанными значениями с первого шага и оцениваете уравнение исхода. Предсказанные значения содержат только ту вариацию предиктора, которая исходит от инструмента (вариацию, некоррелированную с ошибкой в уравнении исхода), поэтому 2SLS даёт более чистую причинную оценку. На практике не запускайте два шага как отдельные МНК-регрессии вручную: стандартные ошибки второго шага будут неверны, так как игнорируют неопределённость первого шага. Используйте специализированный IV-оцениватель (ivreg в пакете AER для R или IV2SLS в Python из linearmodels).

Фиксированные эффекты

Когда эндогенность вызвана ненаблюдаемыми устойчивыми во времени характеристиками на уровне индивида (способность, культура фирмы, качество района), помогают панельные данные с фиксированными эффектами. Включение дамми на уровне единицы (или, эквивалентно, вычитание средних по единице) устраняет все постоянные во времени упущенные переменные на этом уровне. Фиксированные эффекты не справляются с временно меняющимися конфаундерами, ошибками измерения или одновременностью, но для стабильных ненаблюдаемых факторов часто это самый чистый подход.

Экспериментальные и квази-экспериментальные дизайны

Самый надёжный способ получить экзогенную вариацию — рандомизация. В РКИ назначение лечения по определению независимо от всего остального. Когда рандомизация невозможна, естественные эксперименты (внешние события, фактически «случайно» меняющие воздействие) могут дать сопоставимую убедительность. Регрессионное несоответствие и разности‑в‑разностях — два распространённых квази-экспериментальных подхода, основанных на этой логике.

Важно помнить: ни один метод не решает все типы эндогенности. IV требует защитимого инструмента. Фиксированные эффекты не помогают при одновременности. Рандомизация редко доступна для самых важных вопросов.

Инструментальные переменные: простой пример

Случай «образование—заработки» наглядно показывает механику. Эндогенная переменная — годы обучения, эндогенна из‑за корреляции с ненаблюдаемой способностью в ошибке. Нужен инструмент: нечто, предсказывающее, сколько человек учится, но влияющее на заработки только через обучение.

Card (1995) предложил близость к четырёхлетнему колледжу. Люди, выросшие рядом с колледжем, сталкивались с меньшими издержками посещения и в среднем получали больше образования. Если жизнь рядом с колледжем не влияет напрямую на взрослые заработки (при контроле прочих факторов локации), то близость удовлетворяет ограничению исключения.

Первый шаг: регрессировать годы обучения на близость к колледжу плюс контроли. Это даёт подгонки образования, содержащие только вариацию, обусловленную близостью, а не способностью. Второй шаг: регрессировать логарифм зарплаты на эти подгонки. Коэффициент при подгонках образования оценивает причинный эффект обучения на заработки для тех, чьё образование действительно изменилось из‑за близости — так называемый локальный средний эффект лечения (LATE).

Инструмент не даёт средний эффект для всех. Он даёт убедительную причинную оценку для комплаеров — тех, чьё образование изменилось из‑за близости. Это реальное ограничение IV, но честное.

Экзогенные и эндогенные переменные в причинном выводе

В регрессионной рамке экзогенность — это про корреляцию с ошибкой. В причинной рамке речь о другом: является ли переменная причиной исхода по пути, который можно изолировать. В DAG-рамке, связанной с работами Джудеа Перла, экзогенные переменные — узлы без родителей в графе. Конфаундеры — общие причины лечения и исхода — как раз и создают эндогенность в регрессионном смысле.

Связь между этими рамками реальна, но не всегда аккуратна. Эконометрическая эндогенность примерно соответствует наличию незаблокированных «задних дверей» в DAG. Контроль конфаундера соответствует блокировке такого пути. IV-оценивание соответствует поиску экзогенного источника вариации в лечении.

Стоит отметить: в графовых моделях переменная может быть экзогенной в одной системе и эндогенной в другой — ровно как в примере с образованием и заработком. Практический вывод одинаков в любой рамке: вам нужно обосновывать свои причинные предположения, а не просто подгонять модель.

Экзогенные и эндогенные переменные в машинном обучении

В стандартном предсказательном МО эндогенность в основном неважна. Если цель — минимизировать ошибку предсказания на отложенных данных, не имеет значения, экзогенны ли признаки. Модель с эндогенными предикторами может хорошо обобщаться. Смещённый коэффициент — проблема интерпретации, а не прогноза.

Различие становится важным, когда вы интерпретируете коэффициенты каузально или используете модель для интервенций. Скажем, бизнес обучает модель оттока и действует по её признакам, таргетируя клиентов по недавнему объёму тикетов в поддержку. Возникает причинный вопрос: объём тикетов вызывает отток или это симптом той же неудовлетворённости, которая движет обоими? Действуя по эндогенному предиктору как по причине, можно прийти к пустым или вредным интервенциям.

Каузальные методы МО (double machine learning, causal forests, policy learning) явно учитывают требования экзогенности, которые стандартное МО игнорирует. Они используют инструментоподобную или экспериментальную вариацию, чтобы оценить эффекты, устойчивые к эндогенности. Они более требовательны к данным и идентифицирующим предположениям, но именно они уместны, когда цель — оценка политики, а не прогноз.

Распространённые заблуждения

Вот несколько распространённых заблуждений, с которыми вы можете столкнуться. 

Независимые переменные всегда экзогенны

«Независимая переменная» — просто «предиктор». Это ничего не говорит об её экзогенности. В регрессии заработков образование — независимая переменная, и при этом эндогенная. Эти классификации описывают разное.

Эндогенная — то же, что зависимая переменная

«Зависимая переменная» — это исход, левая часть уравнения. «Эндогенная переменная» — предиктор, коррелирующий с ошибкой, то есть правая часть. В системах одновременных уравнений они могут пересекаться, но это не синонимы.

Экзогенность означает полное отсутствие связи с другими переменными

Экзогенность не требует статистической независимости от других регрессоров. Два предиктора могут быть коррелированы между собой и оба при этом экзогенны, пока ни один не коррелирует с ошибкой. Экзогенность — это именно про отношение с ε.

Статистические контроли автоматически устраняют эндогенность

Добавление контролей помогает, когда эндогенность вызвана упущенным фактором, который вы можете наблюдать и измерить. Но многие конфаундеры (способность, мотивация, социальные связи) ненаблюдаемы. Добавление контролей проблему не решит, если ключевой упущенной переменной нет в данных.

Заключение

Экзогенная и эндогенная — это про происхождение переменной и её связь с остальной моделью, а не просто про то, по какую сторону уравнения она стоит. Предиктор экзогенен, когда определяется вне системы и некоррелирован с ошибкой. Он эндогенен, когда переплетён с ненаблюдаемыми факторами, которые также влияют на исход.

Различие важно, потому что эндогенность ломает МНК. Упущенные переменные, одновременность и ошибки измерения по‑разному создают корреляцию между предикторами и ошибкой, уводя оценки к числам, которые не отражают искомый причинный эффект. Исправление требует понять источник эндогенности и затем выбрать метод (инструменты, фиксированные эффекты, квази-экспериментальные дизайны), подходящий именно к нему. Универсального решения нет, а методы, которые ближе всего к нему, требуют предположений, которые можно обосновывать, но не доказать окончательно.

Если хотите глубже разобраться в регрессионной механике, наш курс Intermediate Regression in R подробно рассматривает предположения, а курс Causal Inference with R продолжает ровно с того места, где статья заканчивается, включая инструментальные переменные, разности‑в‑разностях и регрессионное несоответствие.