解释变量是外生变量还是内生变量,外生变量 内生变量

　　Python的计量经济学软件包statsmodels使用endog和exog作为数据参数的变量名，即估计问题中使用的观察变量。其他在不同统计软件包或教材中经常使用的名称，如endog/exog，称为因变量)/自变量、y/x、左手边(LHS)/右手边(RHS)、回归变量/回归量、结果/设计等。

　　Endog/exog本身就是内生变量/外生变量的意思。内生是指系统内部因素，外生是指相反。也就是说，内生变量是指经济计量模型解释或预测的变量。外生变量是指经济计量模型无法解释的变量(模型需要让外界设定这些变量)。

　　在计量经济学和统计学中，术语的定义比较正式，根据模型使用不同的外生定义(弱、强、严)。statsmodels中变量名的用法不能总是从形式意义上来解释，但它试图遵循相同的原则。

　　在最简单的形式中，该模型以某种线性或非线性形式将观察到的变量Y与另一组变量X相关联：

　　Y=f (x，beta) noise=x * beta noise然而，为了得到一个统计模型，我们需要对解释变量x和noise的性质做额外的假设。许多基本模型的一个标准假设是，X与噪声无关。在更一般的定义中，X外生意味着我们不必考虑X的解释变量是如何产生的3354无论是通过设计还是通过某种潜在的随机分布。

　　然而，这并不意味着模型中不需要考虑外生变量的性质。我们仍然需要注意一些基本的统计假设。例如，在误差或噪声项随时间独立分布(或与时间不相关)的条件下，最小二乘法中的exog可以有滞后因变量。但是，如果误差项是自相关的，那么OLS就没有好的统计特性。在这一点上，正确的模型是ARMAX。Statsmodel具有回归诊断的功能，检验某些假设是否合理。