总的说来，内生性主要由以下原因造成：1. 遗漏变量：如果遗漏的变量与其他解释变量不相关，一般不会造成问题。否则，就会造成解释变量与残差项相关，从而引起内生性问题。2. 解释变量与被解释变量相互影响。3. 度量误差 （measurement error）：由于关键变量的度量上存在误差，使其与真实值之间存在偏差，这种偏差可能会成为回归误差（regression error）的一部分，从而导致内生性问题。
解决内生性问题的方法主要有：1.工具变量法（IV）这种方法相信大家都已经学过，就是找到一个变量和内生化变量相关，但是和残差项不相关。在OLS的框架下同时有多个IV，这些工具变量被称为two stage least squares (2SLS) estimator。具体的说，这种方法是找到影响内生变量的外生变量，连同其他已有的外生变量一起回归，得到内生变量的估计值，以此作为IV，放到原来的回归方程中进行回归。
- 自然实验法，就是找到一个事件，该事件只影响一部分样本，或者只影响解释变量而不影响被解释变量。3.Difference-in-Difference （DID）法，思想是按照一定的标准，找到与样本match的控制组。在假设外在冲击同时影响两个组别的情况下，做差来剔除掉外界冲击的影响。4. 动态panel，思想是将解释变量和被解释变量的滞后项作为IV。
下面咱们看看在非线性模型中其他一些处理方式，可能有些是你第一次听说。非线性面板模型中内生性解决方案以及Stata命令，其实不仅仅面板数据，对于截面数据中的非线性模型（limited dependent variable），这些解决方案和操作命令也是适用的。
后面：各位圈友，咱们的计量经济圈社群里面资料和计量咨询都很多，希望大家能够积极加
