Exogenität
In diesem Beitrag
Was versteht man unter Exogenität?
Exogenität ist eine zentrale Annahme in Regressionsmodellen. Eine erklärende Variable (Regressor) gilt als exogen, wenn sie nicht mit dem Fehlerterm des Modells korreliert ist. Formal ausgedrückt lautet die Bedingung für strenge Exogenität:
Bedingung der strikten Exogenität
Das bedeutet: Der erwartete Wert des Fehlerterms u ist null, unabhängig davon, welche Werte die erklärende Variable X annimmt. In der Praxis wird häufig die schwächere Variante – die schwache Exogenität oder zeitgleiche Exogenität – verwendet:
Schwache Exogenität (Orthogonalitätsbedingung)
Das Gegenteil von Exogenität ist Endogenität: Ein Regressor ist endogen, wenn er mit dem Fehlerterm korreliert – etwa durch ausgelassene Variablen, umgekehrte Kausalität oder Messfehler.
Warum ist Exogenität für statistische Analysen wichtig?
Die Exogenitätsannahme ist eine der Kernvoraussetzungen des klassischen linearen Regressionsmodells (KQ-Schätzung / OLS). Nur wenn sie erfüllt ist, liefert die Methode der kleinsten Quadrate erwartungstreue und konsistente Schätzer – die geschätzten Koeffizienten spiegeln dann tatsächlich den kausalen oder zumindest unverzerrten statistischen Zusammenhang wider.
Ist Exogenität hingegen verletzt, spricht man von Endogenitätsproblemen. Die Folgen sind gravierend:
- Verzerrte Schätzer: Die Koeffizienten sind systematisch zu hoch oder zu niedrig.
- Inkonsistenz: Selbst mit sehr großen Stichproben verschwinden die Verzerrungen nicht.
- Falsche Schlussfolgerungen: Kausale Interpretationen sind nicht mehr zulässig.
Wenn Exogenität nicht gewährleistet ist, kommen alternative Schätzmethoden zum Einsatz – beispielsweise die Instrumentalvariablenschätzung (IV) oder das Two-Stage Least Squares (2SLS)-Verfahren. Dabei wird ein sogenanntes Instrument gesucht: eine Variable, die den endogenen Regressor beeinflusst, aber selbst nicht mit dem Fehlerterm korreliert.
Praxisbeispiel zu Exogenität
Eine Forscherin möchte untersuchen, ob ein Stipendienprogramm den Studienerfolg verbessert. Sie schätzt folgendes Modell:
Studienerfolg = β₀ + β₁ · Stipendium + u
Das Problem: Stipendien werden häufig an besonders leistungsstarke oder motivierte Studierende vergeben. Motivation ist aber eine unbeobachtete Größe, die im Fehlerterm u steckt – und gleichzeitig beeinflusst sie, wer ein Stipendium erhält. Die Variable Stipendium korreliert also mit dem Fehlerterm: Exogenität ist verletzt.
Eine mögliche Lösung: Die Forscherin nutzt eine zufällige Vergabe (Randomisierung) als Instrument. Wenn Stipendien per Los vergeben werden, ist die Zuteilung unabhängig von Motivation oder Vorleistung – die Exogenitätsannahme wäre dann erfüllt, und ein kausaler Effekt lässt sich glaubwürdig schätzen.
