我的计量经济学教授在课堂上使用了“确定”一词。形式的数据生成过程， 其中是随机变量，是随机误差项。我们的回归线形式为

他给出了以下“已识别”的定义：

$\beta_0$如果数据集包含足够的信息来“确定” \beta_0 ， \beta_1 的唯一值，则，被识别$\beta_1$$\lbrace X_n\rbrace_{i=1}^{\infty}$$\beta_0$$\beta_1$

我对这个定义不满意，因为他既没有具体说明什么是“信息”，也没有具体说明“固定”是什么意思。

一点上下文

在我们的一个练习中，我们得到了。根据我的教授的说法，这违反了一个称为“外生性”的假设，这是一个模型“可识别”所必需的。$\Bbb E[UX] = \alpha \ne 0$

具体来说，根据他的讲义，

外生性假设：误差项与回归量不相关，或者对于所有。通过假设，这可以重写为对于所有$\operatorname{Cov}(U_n,X_{nk}) = 0$$k = 1,2,3...,K$$\Bbb E(U_n|X_{n1},X_{n2},...,X_{nK})$

$$\operatorname{Cov}(U_n,X_{nk}) = \Bbb E(U_nX_{nk}) =0$$ $k = 1,2,3...,K$

在我们的问题中，他似乎试图让我们理解为什么如果这种外生性假设失败，则无法识别模型。因此，希望这可以为回答者提供有关他如何使用该术语的背景信息。

我的问题

有人可以澄清他所说的“信息”和“固定”是什么意思吗？或者完全给出一个更好的定义。

编辑：

摘自维基百科：

观察等效 --- 如果两个参数值都导致可观察数据的相同概率分布，则它们被认为是观察等效的。

已识别 --- 任何情况下，统计模型总是具有一组以上的参数，这些参数会产生相同的观察分布，这意味着多个参数化在观察上是等效的。

这仍然不能真正解释“外生性”的来源以及为什么与“被识别”有关。