外生变量是给定经济模型之外的因素。它通常会对模型的结果或某些情况的结果产生影响，但它本身通常不是决定性的，模型中的更改通常不会对其产生影响。这些变量有时被称为自变量，而非因变量或内生变量，通常由模型中的数学关系来解释。虽然内生变量可以操纵，但外生变量通常是不可控的。从纯理论层面上理解这一概念可能有点令人困惑，但经济学家和社会学家经常会思考这类事情，以及它们如何在销售和利润率、广义财政政策和国际市场变化等不同情景中发挥作用。

为什么以及如何使用该变量

经济模型通常非常复杂，研究人员分解它们的方法之一就是识别和命名所有不同的部分。大多数模型都与钱有关。货币汇率的变化就是一个例子；自然灾害的全球影响、新产品的推出以及工资收入和就业率的波动也是可能的。在这些和其他情况下，有些事情会发生变化并受到影响，而有些事情几乎不会受到影响。经济学家通常将这些“事物”称为“变量”，而不受重大变化直接影响的事物通常被认为是外生的。

外生变量通常对经济研究并不重要，但它们可以让学者和专业人士更好、更全面地了解任何变化的影响，无论是真实的还是想象的。尽管这些因素通常不会改变，但它们仍然很重要。当衡量经济的整体健康状况或市场的稳定性时，它们通常很有用。

基本经济模型

更好地理解这类变量的一种方法是看一个基本的经济模型，比如某个项目的供给和需求。在该模型的基本版本中，消费者在产品上花费的金额的变化可能会影响该产品的需求量，但需求曲线通常不会影响消费者的收入。在这个特殊的例子中，消费者收入——或者说消费者一开始必须花费多少——是一个外生变量。

把有问题的物品想象成一台家用电脑可以让这个例子更加清晰。世界各地对家用电脑有一定程度的需求，制造商以一定的固定价格出售各种电脑以满足这一需求。这里的因变量包括计算机的价格和生产的机器数量。消费者收入是外生的；消费者在电脑上要花多少钱根本不是等式的一部分。同样，这个因素也会影响图表，因为它会改变供求曲线，从而改变价格和数量的均衡水平。

这里需要注意的是，一个特定的变量可能是一个模型的内生变量，但可能是另一个模型的外生变量。在某些情况下，消费者收入至关重要。这在很大程度上取决于研究或数据集的环境和总体目标。

计量误差的核算

这类变量的另一个例子是测量误差，它是一个量的实际值与实验测量值之间的差值。在大多数模型中，通常认为某些测量误差是给定的。它通常被认为是外生的，因为它并没有真正改变结果，事实上，它通常被认为是一种停滞和不可避免的考虑。

通径分析

路径分析，即研究不同变量之间的因果关系、因果关系和相关性，也很重要。这类分析调查外生因素的相互关系，以及这些因素如何影响内生因素。这些影响可以是直接的，也可以是间接的，通常通过结构方程建模来描述。结构方程模型是通过将所有自变量对特定结果的贡献相加而构建的。