المحتويات:
المتغير الداخلي (Endogenous Variable)
Primary Disciplinary Field(s): الاقتصاد القياسي، النمذجة الإحصائية، نظرية الأنظمة، الاقتصاد الكلي
1. التعريف الأساسي والمفهوم
يمثل المتغير الداخلي، أو المتغير المستبطن، أحد الركائز المفاهيمية الأساسية في مجالات النمذجة الرياضية والإحصائية، وعلى الأخص في الاقتصاد القياسي. يُعرف المتغير الداخلي بأنه أي متغير يتم تحديد قيمته داخل النظام أو النموذج الرياضي قيد الدراسة، مما يعني أن التغيرات في هذا المتغير هي نتيجة للتفاعلات والعلاقات السببية التي تحكمها المتغيرات الأخرى الموجودة ضمن نفس النظام. على النقيض من المتغيرات الخارجية (Exogenous Variables) التي يتم تحديد قيمها خارج النموذج وتؤثر فيه دون أن تتأثر به، فإن المتغير الداخلي يتأثر بالنموذج وفي الوقت ذاته قد يؤثر على متغيرات أخرى داخله، مما يخلق شبكة من الاعتماد المتبادل والسببية المشتركة.
تكمن الأهمية الجوهرية للمتغير الداخلي في قدرته على عكس الديناميكيات المعقدة والتوازنات داخل النظام الموصوف. في نموذج بسيط للطلب والعرض، على سبيل المثال، يعتبر كل من السعر (P) والكمية (Q) متغيرات داخلية، حيث تتحدد قيمة أحدهما بناءً على قيمة الآخر ضمن معادلات العرض والطلب المتزامنة. هذا الاعتماد المتبادل هو ما يميز المتغير الداخلي ويجعله محور الاهتمام في التحليل السببي، حيث أن الهدف النهائي للنمذجة غالباً ما يكون فهم وتفسير كيفية تأثر هذه المتغيرات الداخلية بالقوى المحددة للنظام، وكيفية وصول النظام إلى حالة التوازن أو عدم التوازن.
إن التمييز بين المتغيرات الداخلية والخارجية ليس مطلقاً بل هو نسبي ويحدد بصرامة بناءً على حدود النموذج الموضوع. المتغير الذي يُعتبر داخلياً في نموذج ما قد يصبح خارجياً في نموذج آخر أكثر شمولاً أو أقل تفصيلاً، والعكس صحيح. ولتوضيح ذلك، إذا كنا ندرس تأثير السياسة النقدية على التضخم، قد يكون سعر الفائدة متغيراً داخلياً لأنه يتأثر بقرارات البنك المركزي التي تأخذ في الاعتبار حالة الاقتصاد (وهي جزء من النظام). وفي المقابل، إذا كنا ندرس العلاقة بين التضخم وأسعار النفط العالمية، قد يُنظر إلى أسعار النفط كمتغير خارجي إذا افترضنا أن اقتصادنا المحلي صغير جداً بحيث لا يؤثر على السوق العالمية. هذا التحديد الدقيق لحدود النموذج ونوع المتغيرات هو خطوة حاسمة لضمان صحة الاستدلالات الإحصائية والقياسية.
2. الجذور النظرية والتطور التاريخي
تعود الجذور الرسمية لمفهوم المتغير الداخلي إلى التطورات الهائلة في الاقتصاد القياسي في منتصف القرن العشرين، وبالتحديد مع ظهور نماذج المعادلات المتزامنة. قبل هذه الفترة، كانت معظم التحليلات الإحصائية تعتمد على نماذج الانحدار البسيطة التي تفترض وجود علاقة سببية أحادية الاتجاه، حيث تؤثر المتغيرات المستقلة (التي كانت تُعامل كمتغيرات خارجية ضمناً) على المتغير التابع دون أي تغذية راجعة. ومع ذلك، أدرك علماء الاقتصاد، وخاصة أعضاء لجنة كاولز (Cowles Commission)، أن الظواهر الاقتصادية غالباً ما تكون محددة بشكل مشترك، حيث تؤثر المتغيرات على بعضها البعض بشكل متزامن.
أدى هذا الإدراك إلى تطوير إطار عمل رياضي لمعالجة مشكلة الاستبطان (Endogeneity)، والتي تحدث عندما يكون هناك ارتباط بين المتغير التفسيري (المتغير المستقل) وحد الخطأ في النموذج. كان الهدف من نماذج المعادلات المتزامنة، التي روج لها رواد مثل تريغفي هافيلمو ولورنس كلاين، هو تحديد المتغيرات الداخلية والخارجية بوضوح واستخدام تقنيات تقدير متطورة، مثل المربعات الصغرى ذات المرحلتين (2SLS)، التي يمكنها التعامل مع هذا الارتباط وتوفير تقديرات غير متحيزة (Unbiased Estimates).
في سبعينيات وثمانينيات القرن الماضي، امتد المفهوم ليصبح مركزياً في نظرية الأنظمة ونظرية التحكم، حيث أصبحت مسألة التغذية الراجعة (Feedback) والاعتماد المتبادل ضرورية لفهم استقرار وديناميكية النظم المعقدة، سواء كانت اقتصادية أو بيولوجية أو هندسية. كما تعمق الفهم بأن الاستبطان لا ينشأ فقط عن التحديد المشترك، بل يمكن أن ينبع أيضاً من أخطاء القياس (Measurement Error) أو المتغيرات المحذوفة (Omitted Variable Bias) التي تؤثر على كل من المتغير التابع والمتغير التفسيري. هذا التوسع في فهم مصادر الاستبطان عزز من الحاجة إلى أدوات إحصائية أكثر قوة للتعرف على الآثار السببية الحقيقية للمتغيرات الداخلية.
3. الخصائص الرئيسية للمتغيرات الداخلية
تتميز المتغيرات الداخلية بعدة خصائص منهجية تجعلها تختلف جذرياً عن المتغيرات الخارجية، وتؤثر بشكل مباشر على كيفية معالجتها في التحليل الإحصائي. الخاصية الأبرز هي الارتباط الجوهري بين المتغير الداخلي وحد الخطأ العشوائي للنموذج (Error Term). هذا الارتباط يعني أن أي صدمة عشوائية غير مفسرة تؤثر على المتغير التابع ستؤثر أيضاً على المتغير الداخلي، مما يؤدي إلى انتهاك الافتراض الأساسي للانحدار الخطي الكلاسيكي (OLS) بأن المتغيرات التفسيرية يجب أن تكون غير مرتبطة بحد الخطأ.
الخاصية الثانية هي التحديد المشترك (Simultaneity). في النماذج التي تتضمن معادلات متعددة، يتم تحديد قيم المتغيرات الداخلية في وقت واحد من خلال نظام المعادلات بأكمله. فإذا كانت لدينا علاقة A تؤثر على B، وفي الوقت نفسه، B تؤثر على A، فإن كلا المتغيرين هما متغيران داخليان، ويتم حل قيمهما بشكل مشترك. هذا التحديد المشترك هو مصدر رئيسي للاستبطان، ويتطلب استخدام تقنيات مثل المربعات الصغرى ذات المرحلتين لفك هذا التشابك السببي وتحديد المعاملات الهيكلية لكل علاقة على حدة.
أما الخاصية الثالثة، والنابعة من الخاصيتين السابقتين، فهي التحيز (Bias) وعدم الاتساق (Inconsistency) في تقديرات الانحدار العادية. عندما يكون المتغير الداخلي مرتبطاً بحد الخطأ، فإن مقدرات المربعات الصغرى العادية (OLS) ستكون متحيزة وغير متسقة، مما يعني أن قيم المعاملات المقدرة لن تقترب من القيم الحقيقية للعلاقة السببية حتى مع زيادة حجم العينة. ولذلك، يتطلب التعامل مع المتغيرات الداخلية الانتقال إلى طرق تقدير بديلة مثل المتغيرات الآلية (Instrumental Variables – IV) لضمان الحصول على تقديرات متسقة وموثوقة للعلاقات السببية.
4. المتغيرات الداخلية مقابل المتغيرات الخارجية والمستقلة
يعد التمييز بين المتغير الداخلي (Endogenous) والمتغير الخارجي (Exogenous) هو التمييز الأكثر أهمية في النمذجة السببية. المتغير الخارجي هو متغير يتم تحديده بالكامل خارج النموذج ولا يتأثر بأي من المتغيرات الداخلية أو حد الخطأ. وبعبارة أخرى، لا يوجد مسار سببي يخرج من النظام ليؤثر على المتغير الخارجي. على سبيل المثال، في نموذج لدراسة النمو الاقتصادي في بلد ما، قد تكون المتغيرات الجغرافية أو الكوارث الطبيعية متغيرات خارجية نموذجية لأنها تؤثر على الاقتصاد ولكنها لا تتأثر به.
في المقابل، المتغير الداخلي هو متغير يتأثر بعناصر داخل النموذج، سواء كانت متغيرات تفسيرية أخرى أو حدود الخطأ غير المرصودة. هذا التفاعل المتبادل يجعله جزءاً من دائرة سببية مغلقة. إن تحديد أي متغير يقع ضمن أي فئة هو اختيار منهجي يعتمد على الأسئلة البحثية وعمق التحليل. إذا كان الباحث مهتماً فقط بالعلاقة الجزئية A ← B، فقد يعامل A كمتغير خارجي مؤقت، لكن إذا كان النموذج يهدف إلى فهم النظام بأكمله، بما في ذلك التغذية الراجعة B ← A، يصبح كلاهما داخلياً.
هناك أيضاً فئة فرعية تسمى المتغيرات المحددة سلفاً (Predetermined Variables)، والتي تقع بين الداخلية والخارجية. المتغير المحدد سلفاً هو متغير لا يرتبط بحد الخطأ الحالي (أي أنه لا يتأثر بالصدمات في الفترة الزمنية الحالية)، ولكنه قد يكون مرتبطاً بحدود الخطأ في الفترات الزمنية السابقة. هذا غالباً ما يحدث مع المتغيرات المتباطئة (Lagged Variables). على الرغم من أن المتغيرات المحددة سلفاً يمكن أن تشمل المتغيرات الخارجية، فإنها تسمح أيضاً بمعالجة بعض المتغيرات الداخلية المتباطئة بطريقة أبسط من المتغيرات الداخلية المتزامنة، مما يسهل استخدام تقنيات مثل الانحدار الذاتي المتجه (VAR).
5. مشكلة الاستبطان والتحيز في التقدير
تعتبر مشكلة الاستبطان هي التحدي المنهجي الأكبر الذي يواجه الباحثين عند التعامل مع المتغيرات الداخلية. يحدث الاستبطان عندما يكون هناك ارتباط إحصائي بين المتغير التفسيري الداخلي وحد الخطأ في المعادلة. رياضياً، يعني هذا أن Cov(X_i, u) ≠ 0، حيث X_i هو المتغير الداخلي وu هو حد الخطأ. هذا الارتباط يخرق الافتراض الحاسم للمربعات الصغرى العادية الذي ينص على أن المتغيرات التفسيرية يجب أن تكون مستقلة عن العوامل غير المرصودة والمضمنة في حد الخطأ.
النتيجة المباشرة لهذا الخرق هي تحيز مقدرات OLS. عندما يكون هناك تحيز، فإن المعاملات المقدرة (التي تمثل الأثر السببي) لا تعكس التأثير الحقيقي للمتغير الداخلي على المتغير التابع. على سبيل المثال، إذا كنا ندرس العلاقة بين مستوى التعليم (المتغير الداخلي) ومستوى الدخل، وكان حد الخطأ يحتوي على متغيرات غير مرصودة مثل القدرة الفطرية أو الدافعية (التي تؤثر على كل من التعليم والدخل)، فإن مقدر OLS للتعليم سيحتوي على جزء من تأثير هذه المتغيرات غير المرصودة، مما يبالغ في تقدير العائد الحقيقي للتعليم.
تتعدد مصادر الاستبطان، ولكن يمكن تلخيصها في ثلاثة أنواع رئيسية: أولاً، التحديد المشترك (Simultaneity)، كما ذكرنا سابقاً، حيث يتحدد المتغيران في وقت واحد. ثانياً، تحيز المتغير المحذوف (Omitted Variable Bias)، حيث يؤدي إغفال متغير مهم يؤثر على كل من المتغير الداخلي والمتغير التابع إلى امتصاص حد الخطأ لهذا التأثير المشترك، مما يخلق الارتباط. وثالثاً، أخطاء القياس (Measurement Error)، خاصة عندما يكون الخطأ في قياس المتغير التفسيري الداخلي مرتبطاً بحد الخطأ في المعادلة، مما يؤدي إلى ما يسمى بتحيز التوهين (Attenuation Bias).
6. طرق المعالجة والتحليل الإحصائي
نظراً لخطورة تحيز الاستبطان على صحة الاستنتاجات، تم تطوير مجموعة من التقنيات المتقدمة في الاقتصاد القياسي لمعالجة المتغيرات الداخلية. الطريقة الأكثر شيوعاً والأكثر قوة هي طريقة المتغيرات الآلية (Instrumental Variables – IV)، والتي تعتمد على استخدام متغير (أو مجموعة متغيرات) ثالث يسمى المتغير الآلي (Instrument, Z). يجب أن يفي المتغير الآلي بشرطين أساسيين: شرط الملاءمة (Relevance)، أي أن المتغير الآلي يجب أن يكون مرتبطاً بالمتغير الداخلي، وشرط الاستبعاد (Exclusion Restriction)، أي أن المتغير الآلي يجب أن يؤثر على المتغير التابع فقط من خلال المتغير الداخلي، ولا يكون مرتبطاً بحد الخطأ.
تطبيقاً لمبدأ المتغيرات الآلية، تم تطوير تقنية المربعات الصغرى ذات المرحلتين (Two-Stage Least Squares – 2SLS)، وهي الطريقة القياسية لتقدير النماذج التي تتضمن متغيرات داخلية. في المرحلة الأولى، يتم انحدار المتغير الداخلي على جميع المتغيرات الخارجية في النموذج وعلى جميع المتغيرات الآلية. يتم الحصول على القيم المتنبأ بها للمتغير الداخلي من هذا الانحدار. وفي المرحلة الثانية، يتم استخدام هذه القيم المتنبأ بها (التي تكون، بحكم البناء، غير مرتبطة بحد الخطأ) بدلاً من القيم الأصلية للمتغير الداخلي في الانحدار الرئيسي على المتغير التابع. هذه العملية تزيل الارتباط وتوفر تقديرات متسقة وغير متحيزة.
بالإضافة إلى IV و2SLS، هناك طرق أخرى متقدمة تستخدم للتعامل مع الاستبطان في سياقات مختلفة. وتشمل هذه الطرق طريقة العزوم المعممة (Generalized Method of Moments – GMM)، والتي تُستخدم غالباً في نماذج السلاسل الزمنية المعقدة أو عندما لا تكون شروط تجانس التباين (Homoskedasticity) مستوفاة. كما تُستخدم أيضاً تقنيات فرق الفروق (Difference-in-Differences) وتصميم الانحدار المتقطع (Regression Discontinuity Design – RDD) كبدائل شبه تجريبية للتعامل مع مشكلات الاستبطان الناتجة عن المتغيرات غير المرصودة في سياقات السياسات التجريبية.
7. تطبيقات المتغيرات الداخلية في النمذجة الاقتصادية
تعتبر المتغيرات الداخلية أساسية في جميع مجالات الاقتصاد، حيث أن التفاعلات المتبادلة هي سمة مميزة للأنظمة الاقتصادية. في الاقتصاد الكلي، على سبيل المثال، معظم المتغيرات الرئيسية مثل الناتج المحلي الإجمالي (GDP)، ومعدل التضخم، ومعدل البطالة، وسعر الفائدة، هي بطبيعتها متغيرات داخلية. في نموذج IS-LM الكلاسيكي، يعتبر كل من مستوى الدخل وسعر الفائدة متغيرين داخليين يتم تحديدهما من خلال تقاطع منحنيات سوق السلع والخدمات وسوق النقود، مما يعكس التحديد المشترك للقوى الاقتصادية.
في الاقتصاد الجزئي، تظهر المتغيرات الداخلية بشكل متكرر في دراسات العرض والطلب. عندما يقرر الباحثون تقدير مرونة الطلب، يجب أن يدركوا أن الكمية المطلوبة والسعر يتحددان في وقت واحد من خلال منحنيي العرض والطلب. إذا استخدمنا المربعات الصغرى العادية لتقدير منحنى الطلب، فإننا سنحصل على تقدير متحيز وغير متسق لأن السعر متغير داخلي. ولتصحيح ذلك، يجب استخدام متغير آلي يؤثر على العرض (مثل ضريبة الإنتاج) ولكنه لا يؤثر مباشرة على الطلب.
تمتد التطبيقات لتشمل مجالات متخصصة مثل اقتصاديات العمل، حيث تمثل العلاقة بين الأجور والإنتاجية مثالاً رئيسياً على الاستبطان (هل الأجور المرتفعة تزيد الإنتاجية، أم أن الإنتاجية العالية تسمح بأجور مرتفعة؟). كما تظهر في الاقتصاد القياسي المالي عند دراسة العلاقة بين أسعار الأسهم وحجم التداول، حيث تؤثر أسعار الأسهم على حجم التداول، وحجم التداول قد يؤثر بدوره على تقلبات الأسعار، مما يتطلب تقنيات متقدمة مثل نماذج GARCH أو VAR للتعامل مع هذا التحديد المشترك والديناميكيات الزمنية.
8. المناقشات النقدية والتعقيدات
على الرغم من أن طريقة المتغيرات الآلية هي الحل القياسي لمشكلة الاستبطان، فإن تطبيقها العملي يواجه العديد من التعقيدات والمناقشات النقدية. التحدي الأكبر يكمن في العثور على متغيرات آلية صالحة. إن صلاحية المتغير الآلي تعتمد على استيفاء شرط الاستبعاد، وهو افتراض لا يمكن اختباره إحصائياً بشكل مباشر، بل يعتمد على المعرفة النظرية القوية والمنطق الاقتصادي. إذا كان المتغير الآلي يؤثر على المتغير التابع بطريقة أخرى غير المتغير الداخلي، فإن التقديرات الناتجة عن IV ستكون متحيزة وغير صحيحة، وتُعرف هذه المشكلة باسم استبطان الآلة.
تعقيد آخر هو مشكلة الآلات الضعيفة (Weak Instruments). إذا كان المتغير الآلي لا يفي بشكل جيد بشرط الملاءمة (أي أن الارتباط بينه وبين المتغير الداخلي ضعيف)، فإن تقنية 2SLS ستكون متحيزة بشدة في العينات الصغيرة، وقد يكون التحيز أسوأ من التحيز الناتج عن استخدام المربعات الصغرى العادية مباشرة. وقد أدى هذا إلى تطوير اختبارات إحصائية متخصصة، مثل اختبار كليبرغن-باب، لتقييم قوة الآلات قبل الاعتماد على النتائج.
كما تثار مناقشات حول تفسير النتائج الناتجة عن IV. في بعض الحالات، لا تقدّر المتغيرات الآلية التأثير السببي للمتغير الداخلي على جميع السكان، بل تقدّر التأثير السببي المتوسط المحلي (Local Average Treatment Effect – LATE)، وهو الأثر السببي على تلك المجموعة الفرعية من الأفراد الذين يتأثرون بتغير المتغير الآلي. هذا يفرض قيوداً على قابلية تعميم النتائج، ويجب على الباحثين توخي الحذر عند تفسير الآثار السببية المقدرة للمتغيرات الداخلية في هذه السياقات.