在《Empirical Analysis in Finance and Economics》這篇文章當中提及，計量經濟學常被用來作為財金或是經濟學上實證分析的工具。進行實證分析的過程中，我們想要了解一個現象可能受制於哪些因素，所以會需要考慮多項「變數」(Variables)。而本文還會將變數性質加以分類探討，依照特性大致分成兩類:「內生變數」(Endogenous variables)與「外生變數」(Exogenous variables)。
在實證分析上，計量經濟學通常比較多在研究內生變數。內生變數簡單來講就是在某個經濟體內，由於經濟因素本身影響而變化的因素，而不受政策所左右。因此內生變數又稱作「非政策性變數」在一個近乎完全的市場體制下，股價與匯率等等皆為內生性變數。
- 變數有自我相關(Autocorrelation)的現象，常發生於時間數列(Time series)。
- 測量有誤差
- 有解釋變數被忽略掉(Omitted-Variable Bias)
- 兩個變數之間是彼此影響的(此稱為「同時性,Simultaneity」)
在計量模型當中，內生性變數與隨機項(Residual value; Error term)之間的共變異數(Covariance)不為0，也就是說內生性變數與隨機項是有關聯性的。迴歸分析當中採用的模型經常需要估計參數，使用工具變數估計法(Instrumental Variable Estimation, IV)就直接假設隨機項與變數之間是有相關聯的，是當需解釋的變數與隨機項之間存在有相關聯時，最簡單的估計方法。在某些生物學實驗，若是發生了無法取得對照組資料的問題時，也會使用工具變數估計法去估計參數。
當我們想要預測隔年的經濟成長率時，會套用過去的經濟數據分析。然而，這些變數之間彼此其實會有關聯性(先前提及的自我相關)，而且可能是1年前以前某個現象導致了目前的經濟情況。因此將經濟數據視為內生變數會比較恰當。
中央銀行會提供許多經濟資料用來分析經濟情勢
外生性變數則是指可以藉由政策操作來達成某項目的之變數，也稱作「政策性變數」。因為隨機項通常是來自於系統本身(經濟體系)，外生變數就與隨機項沒有關聯性。大學部的計量經濟學一定會教到的(某些線性代數課也會教)普通最小平方法(Ordinary Least Square, OLS)其中一個重大假設即為此，而普通最小平方法也算是所有的估計方法中最簡單，卻同時也需要最多理想上假設的一個。
因為外生變數與隨機項沒有關聯，無論是估計或是在推論上都比內生變數要簡單，但是為了研究方便而將所有變數都視為外生變數會導致研究結果失準偏大。
參考資料:
[1] 內生變量_維基百科
[2] 內生變數_MBA智庫百科
[3] 外生變數_MBA智庫百科
[4] 政大金融系金融計量上課筆記
[5] London School of Economics FM437: Financial Econometrics Handout
[6] Brooks, C.(2014), Introductory Econometrics for Finance, 3rd ed.
沒有留言:
張貼留言