我认为在虚线方向上数据偏差最小，也就是相当于将坐标轴旋转，在这个方向上方差最小，有点主成分分析的意思！

如果说是不考虑随机项，那么x与y不可能确定一条直线！因为点太分散了！

你的“偏差最小”，采用什么metic？

如果虚线是直线，如果采用欧式距离，按你的说法，虚线即y=x'b，b是OLS估计量。

那么，图中的实线又是什么意义？它是不是由“x与y'确定'”出来的？

这个图像在很多计量经济学教科书的第一章都已经作出详细的说明了，比如古扎拉弟的P35和李子奈的P29，所唯一不同的之处就是教材上面的实线和虚线与楼主的正好相反。实线是样本回归直线，虚线是总体回归直线。相关的函数形式请参考我上传的修改后的图片。

[此贴子已经被作者于2009-5-24 22:23:44编辑过]

你的表达式里有误差项？

指出实线的意义，有必要强调误差项如何如何吗？（或者说，实线中包含了误差项的内容？）

我总感觉有主成分的意思！！！

那请你把你的感觉系统地表达出来。

一元回归模型中有要求，误差项服从正太分布，而采用最小二乘法后得到回归方程，当然不含有误差项了！

OLS回归必然要求扰动项服从正态分布？

（在OLS回归一系列“典型动作”中，究竟哪些动作才用到正态扰动的假设？）

既然强调“回归方程不含误差项”，又何必去谈误差项如何如何呢？这有什么直接关系吗？