Строгая экзогенность
Стро́гая экзоге́нность (англ. strict exogeneity), одно из предположений классической линейной модели регрессии с объясняющими переменными (регрессорами):
где – зависимая переменная, – j-я независимая переменная, – коэффициент.
Строгая экзогенность является ключевым предположением для доказательства свойства несмещённости оценок наименьших квадратов коэффициентов модели. Если объединить значения всех регрессоров во всех наблюдениях в матрицу:
то строгая экзогенность означает выполнение условия где – условное относительно всех элементов этой матрицы математическое ожидание случайной составляющей (ошибки) в -м наблюдении.
Из предположения о строгой экзогенности вытекает несколько важных следствий:
(безусловное математическое ожидание ошибки равно нулю);
(регрессоры ортогональны ошибкам во всех наблюдениях);
(регрессоры не коррелированы с ошибками во всех наблюдениях).
В статических моделях регрессии обычными источниками нарушения условия строгой экзогенности являются: пропущенные переменные (невключение в число регрессоров переменной, которая коррелирована и с ошибкой, и с переменной, включённой в модель в качестве регрессора); ошибки в переменных (использование вместо истинных значений объясняющих переменных значений, измеренных с ошибкой); а также неучёт того, что рассматриваемое уравнение регрессии является частью системы одновременных уравнений. (что приводит к игнорированию обратной связи, возникающей в результате того, что зависимая переменная влияет на значение регрессора).
В моделях временных рядов, где обозначает время, второе следствие можно переформулировать как ортогональность регрессоров прошлым, текущим и будущим ошибкам (что равносильно ортогональности ошибок прошлым, текущим и будущим значениям регрессоров). Однако для большинства моделей временных рядов это условие не выполнено, в чем можно убедиться уже на простейшей модели авторегрессии первого порядка, что приводит к смещению оценок коэффициентов модели при конечном количестве наблюдений. В таких ситуациях тем не менее может сохраняться состоятельность оценок коэффициентов, для выполнения которой достаточно предполагать только одновременную (англ. simultaneous) некоррелированность регрессоров и ошибок (в каждый отдельный момент времени регрессоры должны быть не коррелированными с ошибкой для этого момента времени, но допускается, что они могут быть коррелированными с ошибками для других моментов времени).