1. 金融學里的內生性和外生性是什麼意思
內生性和外生性是金融學領域中核心的概念，它們描述了變數間相互作用的性質。在理解內生性問題之前，我們先來明確外生性是什麼。
外生性通常指變數之間的關系，當所有時期的解釋變數X給定時，每一期的隨機干擾項均值都為0。如果X與ε同期外生且跨期外生同時存在，則為嚴格外生。這個假定在構建模型時至關重要，因為它確保了解釋變數與隨機干擾項之間的獨立性，是基礎統計模型的假設之一。
然而，現實世界中的數據並不總是滿足外生性假定。當我們發現解釋變數與隨機擾動項存在相關性時，即擾動項與解釋變數不滿足弱外生性假定時，我們遇到了內生性問題。這意味著模型存在偏差，解釋變數的系數可能不能正確反映真實關系，從而影響到模型的預測和解釋能力。
解決內生性問題，通常需要採取一系列策略。首先，要理解內生性問題的來源。內生性問題通常由四類情況引發：遺漏解釋變數、X與Y互為因果、自選擇問題、測量誤差問題。
接下來，我們來探討解決內生性問題的幾種方法。自然實驗法是一種受歡迎的方法，它依賴於外部突發事件，通過隨機分組來分析影響效果。雙重差分法則是通過比較受沖擊組與未受沖擊組在不同時間點的數據，來量化沖擊的凈效應。工具變數法則通過找到與內生變數高度相關的外生變數作為工具，來估計內生變數的回歸系數。動態面板回歸法則利用解釋變數和被解釋變數的滯後項作為工具變數，來緩解內生性問題。
案例分析中，股票的流動性對經理人激勵合約設計的影響是一個典型例子。股票流動性提高時，經理人傾向於選擇更側重股票的激勵合同，同時高流動性意味著股票中的信息含量更高，薪酬與股價市場回報的敏感性增強。案例中，作者通過固定效應回歸模型、工具變數與兩階段最小二乘法、自然實驗以及差分法等方法，探索了內生性問題的解決方案。
在解決內生性問題時，我們應反思方法與數據的重要性。數據的質量和研究設計的嚴謹性是文章結論可靠性的關鍵。選擇簡單有效的方法，基於可靠的數據進行分析，是研究者追求的目標。復雜的技術手段往往是在數據質量或模型設定存在問題時的輔助手段，而非解決根本問題的途徑。因此，我們在研究時，應注重理論邏輯的嚴謹性和數據的可靠性，以確保研究的結論經得起推敲。
2. 什麼是工具變數
工具變數的選擇要滿足兩個條件：
1.相關性：工具變數與內生解釋變數相關。
2.外生性：工具變數與u i uiui不相關。
計量經濟分析分為模型設定、參數估計和模型檢驗3個步驟：
1、模型設定。
模型是對所研究的某種現象、某種關系或某種過程的一種模擬。模型的類型很多，例如：物理模型、圖形、數學模型（如方程式）計量經濟學中用的主要是數學模型。
2、參數估計。
經濟參數是變數間數量關系和經濟數量規律性的具體體現，獲取經濟參數的數值是經濟計量分析的主要目的。
3、模型檢驗。
3. 如何檢驗工具變數的外生性
工具變數的本質特徵是外生性，即工具變數與擾動項不相關，如果工具變數外生，且為強工具變數，則工具變數法的邏輯必然成立，可得到回歸方程的一致估計。
由於工具變數的相關性易檢驗（比如，考察第一階段回歸的 F 統計量），而工具變數的外生
性不易檢驗，故對於使用 IV 的實證論文，工具變數的外生性常常成為審稿人、主編與作者的分歧焦點。
通過排他性約束來定性探討工具變數的外生性，在實踐中需要將 影響 的所有可能渠道列出，然後將除以外的渠道全部排除（比如，通過討論認為這些其他渠道不存在或可以忽略）。
(3)什麼是工具變數法的外生性條件擴展閱讀
在回歸模型中，當解釋變數與誤差項存在相關性（內生性問題），使用工具變數法能夠得到一致的估計量。內生性問題一般產生於被忽略變數問題或者測量誤差問題。
當內生性問題出現時，常見的線性回歸模型會出現不一致的估計量，此時如果存在工具變數，那麼人們仍然可以得到一致的估計量。
根據定義，工具變數應該是一個不屬於原解釋方程並且與內生解釋變數相關的變數。在線性模型中，一個有效的工具變數應該滿足變數和內生解釋變數存在相關性。