接着上文说假如$Y=\alpah + \betaX+e$以及

之前的讲解中，我们基本不会涉及样本的选取，但是在实际的场景中是使用样本观测值去估计回归模型里的系数，所以样本的选取对于分析问题起到至关重要的作用。固定解释变量固定解释变量是指解释变量在重复抽样中，因为实验条件可以人为的固定解释变量的数值。例如在农业实验中，可以将浇水量和施肥量作为解释变量X，将产量作为被解释变量。很明显以上两个变量是可以控制的。那么在固定解释变量下会存在如下的假设。解释变量是固定值

内生性会造成最小二乘法的系数估计有偏。这里我们需要了解几个问题。什么是内生性所谓偏差究竟是估计系数对谁的偏差内生性为什么会导致偏差从广义上讲如果给定的线性回归模型$Y=\alpha+\beta_{1}X_{1}+...+\beta_{k}X_{k}+e$，如果干扰项和解释变量是相关的，那么我们就可以说这个线性模型存在内生性的问题。第二个问题，在因果关系分析中，所谓的偏差是指希望求得的反应因果关系的

今天我们来看看机器学习入门课程中的最小二乘法，是不是感觉咱们越学习越回退啦，其实学习的过程是这个样子，你知道的越多，你之前的认知发生改变的概率越大，可能之前是硬性的理解，现在是真正的理解，好啦，话不多说，咱们来看看从因果推断的角度如何看待最小二乘法这个算法。回归模型使用如下的表