解釋變數互為因果如何處理？

01-14

我的模型是y=x1+x2+u，正常來說討論的都是y和x1或y和x2之間的互為因果關係，也就是存在內生性採用工具變數方法。
那如果是x1和x2互為因果我要如何處理呢，是多重共線性嗎？兩個變數我都不能刪除，都是重要解釋變數。

求助！！！！！！！！
O(∩_∩)O謝謝

補充說明：研究的是x1對y的直接影響，以及x1通過x2對y的間接影響，所以不能刪除其中某一個變數，不知道有什麼好的辦法可以實現，結構方程模型由於我面板數據年份挺長，也不知道怎麼處理好。

謝邀。x1 和 x2如果存在互為因果，建議不處理。

當你發現很多變數都存在互為因果的問題，建議把所有可能的因果方向都寫下來，組成一個聯立方程模型，幫助你從系統內部找工具變數。

注意雖然你把聯立方程寫下來了，不代表你要估計所有的聯立方程結構參數，從聯立方程找到工具變數，估計單方程就可以了。

首先，不管X1和X2在意義上是否是因果，先檢測一下X1和X2之間的多重線性程度，比如相關係數和VIF值，超出標準並且是顯著的，則至少統計上來說肯定存在多重線性了。

再次，看一下這兩個變數在模型中是否都是顯著的，既然存在多重共線性，那說明X1的很大部分能夠被X2解釋嘍，題目中也說，X1和X2互為因果，那麼X1就基本上可以代表X2了。既然這樣，幹嘛還要兩個？所以很可能這兩個只有一個是顯著的（另一個因為被解釋了很多部分所以不顯著了），不顯著的就不能放進模型了。

如果兩個變數都顯著又存在嚴重的多重線性，那麼可以試試如下辦法：

（1）從意義上做一點改變

比如心臟病 = age + 累積抽煙數量，累積抽煙數量和age肯定有共線性，那麼就換成每天平均抽煙數量，就好了（這個例子有點奇怪，大概意思你懂的）。

再比如GDP與人口存在多重線性，那麼就把這兩個都變成增長率，而不是用絕對值。

（2）主成分

提取X1和X2的主成分作為新的變數，放進模型中。

（3）嶺回歸

每個回答多重線性的人都會提的一個方法，雖然使用率很低但是還得提一下。

先聊這麼多，佔個坑，趕著端午回家過節。

祝課題順利！

不建議直接忽略因果性，建議做一個multicolinearity test, 如果有weak multicolinearity的結果，test variance會很大。

否則可以不處理。

同建議不處理。多元回歸的本質是解決簡單回歸的遺漏問題，因此可以預期各個解釋變數間應該是相關的。

至於多重共線，以我研究的方向來看，現在鮮有論文對此處理，並且正如上面所說，解釋變數間相關是應該的，不相關的話，簡單回歸就好了。

我們需要防止的是完全共線，當然，這種情況軟體會自動識別的，模型設計時稍加註意就好。

不用處理。是否為多重共線性用vif判斷。