零均值假设

零均值假设 (Zero Mean Assumption)

零均值假设是经典线性回归模型（Classical Linear Regression Model, CLRM）的核心假定之一，要求误差项（或称扰动项、残差的理论对应物）的期望值为零。具体表述为：对于所有观测 $i$，有 $E[\varepsilon_i] = 0$；在更严格的外生性条件下，进一步要求条件期望为零，即 $E[\varepsilon_i \mid \mathbf{X}] = 0$，其中 $\mathbf{X}$ 为所有解释变量的观测矩阵。该假定保证了最小二乘估计 (OLS)的无偏性和一致性，是回归分析中推断有效性的基石。

假定的确切含义

考虑总体回归模型：

零均值假设 $E[\varepsilon_i] = 0$ 意味着，在重复抽样中，不可观测因素对 $Y_i$ 的影响平均而言为零——不存在系统性的正向或负向偏离。若该假定成立，回归线 $E[Y_i \mid \mathbf{X}_i] = \beta_0 + \beta_1 X_{1i} + \cdots + \beta_k X_{ki}$ 恰好穿过 $Y$ 关于 $\mathbf{X}$ 的条件期望。

无条件形式 $E[\varepsilon_i] = 0$ 是较弱的版本。在包含截距项 $\beta_0$ 的模型中，该条件总可通过将 $\varepsilon_i$ 中恒定的非零均值吸收进入截距而机械地得到满足。因此，真正的约束力量来自条件零均值假设 $E[\varepsilon_i \mid \mathbf{X}] = 0$，它意味着误差项与所有解释变量都不相关（严格外生性）。这是保证 OLS 为无偏估计量的关键。

假定违背的后果

当 $E[\varepsilon_i \mid \mathbf{X}] \neq 0$ 时，通常意味着存在遗漏变量偏误、测量误差或联立性偏误（反向因果）。此时：

• OLS 估计量 $\hat{\beta}$ 不再一致：$\mathrm{plim}\, \hat{\beta} \neq \beta$。即使样本量趋于无穷，估计值也不会收敛至真实参数。
• 若违背仅表现为 $E[\varepsilon_i] = c \neq 0$（非零但恒定），在有截距项的模型中，仅截距估计产生偏误 $c$，斜率系数仍可保持无偏。然而这一情形在应用中较少独立出现，因为恒定的非零均值常伴随更深层的设定错误。
• 若零均值假设失效源于条件异方差或自相关叠加（如遗漏变量与时间趋势的交织），则 OLS 既非无偏，也非一致。

以教育回报率的明瑟方程（Mincer Equation）为例：$\log(\text{wage}_i) = \beta_0 + \beta_1 \text{educ}_i + \varepsilon_i$。若 $\varepsilon_i$ 中包含"天生能力"（ability），且能力与受教育年限正相关，则 $E[\varepsilon_i \mid \text{educ}_i] \neq 0$，OLS 将高估教育回报率 $\beta_1$。此即经典的能力偏误。

与截距项的关系

零均值假设与截距项的存在互为条件。在包含截距 $\beta_0$ 的回归中，若 $E[\varepsilon_i] = \mu \neq 0$，可定义 $\varepsilon_i^* = \varepsilon_i - \mu$ 和 $\beta_0^* = \beta_0 + \mu$，则新误差 $\varepsilon_i^*$ 满足零均值。因此，在不含截距的回归（如某些金融中的因子模型或强制过原点的回归）中，零均值假设必须被严肃对待——失去了截距项的"吸收"功能，任何非零均值的误差都将直接污染所有系数估计。

这也揭示了零均值假设的深层含义：它本质上要求研究者已将所有系统性影响因素正确地纳入了 $\mathbf{X}\beta$ 部分，误差项仅包含纯粹随机的"白噪声"。若回归模型不含截距，研究者便承担了额外的举证责任——须论证误差的真实均值为零。

检验方法

针对零均值假设的直接检验空间有限，因为误差项 $\varepsilon_i$ 本身不可观测。实践中，研究者通过对残差 $e_i = Y_i - \hat{Y}_i$ 的分析进行间接判断：

• 残差均值检验：计算 $\bar{e} = \frac{1}{n}\sum_{i=1}^n e_i$。在包含截距的模型中，OLS 的正规方程保证了 $\sum_{i=1}^n e_i = 0$，因此样本残差均值必然为零。这意味着该检验对条件零均值的违背不敏感。
• 残差图：绘制 $e_i$ 对 $\hat{Y}_i$ 或各解释变量的散点图。若出现系统性模式（如 U 型或趋势），则暗示 $E[\varepsilon_i \mid X] = 0$ 不成立。
• Ramsey RESET 检验：在原模型中加入 $\hat{Y}^2, \hat{Y}^3$ 等高阶预测项，通过 F 检验判断其联合显著性。显著结果提示函数形式设定错误或遗漏变量，间接表明条件均值假设存疑。
• Hausman 检验：比较 OLS 与工具变量 (IV)估计的差异。若两者系统性地不同，则 OLS 的条件均值假设可能不成立。

与其他经典假定的关系

零均值假设并非孤立存在，而是与 CLRM 的其他假定交织成网。它与外生性假定本质上同源：$E[\varepsilon \mid \mathbf{X}] = 0$ 既是零均值条件的加强版，也是高斯-马尔可夫定理中 OLS 最优性的前提。若零均值成立但存在异方差性或自相关，OLS 仍是无偏的，但不再有效。若零均值本身被违背，即使方差结构完美，OLS 的一阶性质（无偏性和一致性）也一并坍塌。

在时间序列分析中，零均值假设与平稳性假设紧密关联。ARMA 模型通常假定白噪声序列 $\{\varepsilon_t\}$ 满足 $E[\varepsilon_t] = 0$。若该条件不满足，单位根检验和协整分析的分布理论均需重新推导。在面板数据模型中，固定效应的引入正是为了吸收个体特定的、非零的时不变误差成分，从而拯救条件零均值假设的可行范围。在微观计量应用中，随机实验和自然实验的识别策略——如双重差分法 (DiD)和断点回归设计 (RDD)——其核心论述均依赖于在特定条件下使得 $E[\varepsilon \mid \text{treatment}] = 0$ 这一"可忽略性"条件近似成立。

总之，零均值假设虽然形式上简单，却是回归分析从描述性统计走向因果推断的分水岭。理解其确切含义、可能违背的机制以及诊断工具，是每一位实证研究者必备的基础素养。