结构模型中两个内生变量是否存在因果关系？兼论子女数量与医疗利用的识别

一、关于双内生变量因果关系的核心判断 #

你的初始结论不完全准确，需结合结构模型的具体设定分析：

• 若结构方程中，其中一个内生变量直接进入另一个的效用函数或约束条件（比如退休决策$X_1$改变了收入约束，进而影响储蓄$X_2$的最优选择），那么二者存在直接因果路径——给定外生变量，$X_1$的外生变动会直接改变$X_2$的最优值，这种关联并非单纯由混杂因素驱动。
• 若两个内生变量仅通过共同外生变量（如年龄、风险偏好）关联，无直接的效用/约束传导，此时二者的关联确实由混杂因素导致，不存在因果关系。

简约式估计的可信度，本质不在于变量是否在结构模型中内生，而在于是否能分离出仅作用于目标变量的外生冲击：比如用政策强制退休年龄的外生变化冲击$X_1$，且该冲击不直接影响$X_2$的其他决定因素，那么即使二者都是效用优化的结果，依然能识别出$X_1$对$X_2$的因果效应，这类简约式估计是可信的。

二、子女数量与医疗利用的因果识别思路 #

针对二者均为效用优化产物的情况，核心是找到仅影响其中一个变量、且不直接干扰另一个变量的外生变异，常用方法包括：

• 工具变量法：采用“双胞胎出生”作为子女数量的工具变量——双胞胎的出生具有随机性，不会直接影响父母的健康偏好或医疗需求，却能外生增加子女数量，以此识别子女数量对医疗利用的因果效应。
• 断点回归设计：利用生育政策的断点（如二孩政策实施前后的家庭分组），对比断点附近子女数量变化的家庭在医疗利用上的差异，前提是断点两侧的家庭在其他特征上无系统性差异。
• 固定效应面板模型：控制家庭层面的固定混杂因素（如长期健康观念、财富水平），结合面板数据观察子女数量的外生变动（如意外怀孕、子女成年离家）对医疗利用的动态影响，减少未观测混杂因素的干扰。

内容的提问来源于stack exchange，提问作者Mingjia Xie