【重要】外生性について / 回帰モデル

 外生性(exogeneity)は回帰モデルで最も重要な仮定だ。外生性とは、誤差項と説明変数が無相関であることを意味する。より正確には、外生性とはk種の説明変数Xで条件付けられた誤差項Uの期待値が0である。

$$モデル Y=\beta_0 +\beta_1 X_1 + \cdots + \beta_k X_k+U$$

$$外生性 E(U|X_1,X_2 \cdots X_k)=0$$

 

 外生性が重要な理由は、データ分析者最後の希望を実現するために必要だからだ。統計モデルの究極的な目標は、目的変数Yの母集団分布の推定だが、それは難しい。なぜなら、確率分布の特定は、1次のモーメントである期待値、(期待値周りの)2次のモーメントである分散、(期待値周りの)3次のモーメントである歪度などの、すべての次数のモーメントを推定することを意味するからだ。それは不可能だ。そこで、データ分析者は、せめて1次のモーメントである期待値の予測はやりましょうと考える。これでも、モデルの外でXが決まれば、モデルの内でYの期待値が決定するので意義深い。

$$母集団モデル Y=f(X ,\beta)+U$$

$$究極的な目標 Y|Xの分布推定 $$

$$現実的な目標 E(Y|X)の推定$$

 

 データ分析者である《私》最後の希望を実現するために、外生性が必要だ。以下の数式からわかる通り、誤差項がモデルの外から決まってくれないと、目的変数Yの条件付き期待値の予測ができない。外生性が成り立たないと、データ分析者である《私》はすべての次数のモーメントどころか、1次のモーメントの推定すらできないポンコツとなってしまう。

$$母集団モデル E(Y|X)$$

$$=E [f(X ,\beta)+U|X]$$

$$=f(X ,\beta) +E[U|X]$$

$$E[U|X]=0なら、期待値の予測ができる$$

$$E[U|X]≠0なら、期待値の予測ができない$$

 

【追記】

 外生性がないと、最小二乗(OLS)推定量は不偏性・一致性を失う。その点で、計量経済学が重視するβの推定でも、外生性がないと大問題となる。この記事では、機械学習が重視する予測の観点で、外生性について論じてみた。

しまうま

しまうま総研管理人
20代男性/横浜出身/東大卒
面白い文章を書き残したいです。
 
☑️夜は早く寝ます。健康のためです。
☑️目が覚めたら掃除をして服装を整えます。格好を付けるためです。
☑️朝は勉強します。仕事で活躍するためです。
☑️昼は小さな行動を大切にします。少しずつ前に進むためです。
☑️夜はブログに取り組みます。楽しみのためです。

しまうまをフォローする
重回帰モデル
広告
しまうま総研