E(u|X1,X2,X3...XN)=0 可以看作是误差项与自变量不相关，所以误差项conditional on 自变量的时候，其期望值是为0。

我觉得，我们要吧E(u|X1,X2,X3...XN)=0当作 COV(u,Xi)=0来看。

如果这样， 我们就很容易得到为什么E(u|x1,x2...xn)=0 可以推出E(u), 因为误差项与每一个回归因子都不相关， 那么， 当去掉x1 x2..xn条件的时候, 误差项的均值就应该为0， 如果E(u|x1,x2...xn)=0时成立的话。如果不为0的话，那么COV(U|Xi)也就不等于0，比如内生变量，一般都和误差项有关。

不知道这样的解释可以不，不严谨。这几个G-M假设记在心里就是了。

最后问下， 你这是从伍德里奇哪本书里来的？ 是专门介绍面板数据那本还是那本比较简单的，比较基础的计量书？ 

是比较简单的那一本，计量经济学导论。

那么按照前面beatuxlee的说法，误差项与自变量不相关不是外生性的条件吗？外生性和随机抽样可以等同吗？

[此贴子已经被作者于2008-1-8 2:08:30编辑过]

误差项与自变量不相关， 这就符合了回归因子是外生性的条件，这是对的。

就是说：当E(u|x1,x2...xn)=0成立时，  x就是外生变量。

我觉得不能等同， 1，因为外生性是因变量与自变量的关系的一种定性，所以当回归因子不能完全解释因变量的时候， 误差项就可以来解释那些没有被回归因子解释的内容， 其实，大部分情况下， 回归因子与误差项完全不相关， 在实际情况中是很少见的， 特别是是在时间序列中。2， 而随机抽样是指回归之前，确定各项数列的采集方法。 当x 是随机抽样得来的时候，它是i.i.d分布的。这个由随机抽样得来的数据，x,  可以与误差项不相关， 也可以与误差项相关， 比如时间序列里的数据。  

如果x 是由随机抽样得到， 那么x 就是i.i.d,

在伍德里奇的《计量经济学导论》第三版， 英文原版，第53页。 他描述到了x是否随机的，但好像没有描述与外生性的关系。

条件期望的期望就等于无条件期望，所以由E(u|x1,x2,x3,...,xn)=0可推导出E(E(u|x1,x2,x3,...,xn))=0，即E(u)=0