隨機(jī)擾動(dòng)項(xiàng)在計(jì)量經(jīng)濟(jì)學(xué)模型中占據(jù)特別重要的地位,也是計(jì)量經(jīng)濟(jì)學(xué)模型區(qū)別于其它經(jīng)濟(jì)數(shù)學(xué)模型的主要特征.將影響被解釋變量的因素集進(jìn)行有效分解,無數(shù)非顯著因素對(duì)被解釋變量的影響用一個(gè)隨機(jī)擾動(dòng)項(xiàng)（stochastic disturbance term）表示,并引入模型.顯然,隨機(jī)擾動(dòng)項(xiàng)具有源生性.在基于隨機(jī)抽樣的截面數(shù)據(jù)的經(jīng)典計(jì)量經(jīng)濟(jì)學(xué)模型中,這個(gè)源生的隨機(jī)擾動(dòng)項(xiàng)滿足Gauss假設(shè)和服從正態(tài)分布.\x0d在確定性模型中引入隨機(jī)擾動(dòng),并不是為了掩蓋確定性模型的不足之處.因此,如果所謂的未被解釋的隨機(jī)擾動(dòng)并不是真正的不能被解釋的因素,模型就是不適當(dāng)?shù)?牢記這一點(diǎn)對(duì)計(jì)量經(jīng)濟(jì)學(xué)是非常重要的.統(tǒng)計(jì)推斷的理論不像確定性理論那樣,會(huì)被僅僅一個(gè)不符實(shí)際的觀察否定.引入隨機(jī)要素后,對(duì)預(yù)期結(jié)果的描述從確切的表述轉(zhuǎn)化為可能性的描述,除非有占優(yōu)證據(jù)（占優(yōu)本身則是很難清楚界定的）,很難否定隨機(jī)模型.當(dāng)然,如果未被解釋的隨機(jī)擾動(dòng)并不是真正的不能被解釋的因素,即使這樣的模型難以被否定,也是建模者自欺欺人.不幸的是,Greene的擔(dān)憂在很多情況下成了現(xiàn)實(shí)：在很多計(jì)量分析中,隨機(jī)誤差項(xiàng)成了確定性模型不足之處的遮羞布.在大部分計(jì)量經(jīng)濟(jì)學(xué)教科書中,在第一次引入隨機(jī)擾動(dòng)項(xiàng)的概念時(shí),都將它定義為“被解釋變量觀測(cè)值與它的期望值之間的離差”,并且將它與隨機(jī)誤差項(xiàng)(stochastic error term)等同.一個(gè)“源生”的隨機(jī)擾動(dòng)項(xiàng)變成了一個(gè)“衍生”的誤差.而且在解釋它的具體內(nèi)容時(shí),一般都在“無數(shù)非顯著因素對(duì)被解釋變量的影響”之外,加上諸如“變量觀測(cè)值的觀測(cè)誤差的影響”、“模型關(guān)系的設(shè)定誤差的影響”等.\x0d將“源生”的隨機(jī)擾動(dòng)變成“衍生”的誤差,有許多理由可以為此辯解.如果不對(duì)數(shù)據(jù)生成過程的理論結(jié)構(gòu)作出假定,即進(jìn)行模型總體設(shè)定,就無從開始模型研究.但不幸的是,相對(duì)于物理學(xué),經(jīng)濟(jì)學(xué)家對(duì)經(jīng)濟(jì)現(xiàn)實(shí)所知較少,模型總體被研究者有限的知識(shí)所確定,因此誤差在所難免,只能將總體原型方程的誤差項(xiàng)設(shè)定為衍生性的.\x0d問題在于,關(guān)于隨機(jī)擾動(dòng)項(xiàng)的Gauss假設(shè),以及一般未包括于Gauss假設(shè)之中的正態(tài)性假設(shè),都是基于“源生”的隨機(jī)擾動(dòng)而成立的.如果存在模型設(shè)定誤差、變量觀測(cè)誤差等確定性誤差,并將它們歸入“隨機(jī)誤差項(xiàng)”,那么它很難滿足這些基本假設(shè),進(jìn)而進(jìn)行的統(tǒng)計(jì)推斷就缺少了基礎(chǔ).補(bǔ)救的方法是檢驗(yàn),對(duì)于實(shí)際應(yīng)用模型的隨機(jī)誤差項(xiàng)進(jìn)行是否滿足基本假設(shè)的檢驗(yàn),其中最重要的是正態(tài)性檢驗(yàn).但是,在實(shí)際上,人們最容易忽視的正是最重要的是正態(tài)性檢驗(yàn).為什么?一方面是主觀上的,認(rèn)為正態(tài)性是由中心極限定理所保證的,無須檢驗(yàn).另一方面是客觀上的,如果進(jìn)行了正態(tài)性檢驗(yàn),而檢驗(yàn)表明確實(shí)不滿足正態(tài)性假設(shè),又能怎么樣?要么放棄研究,要么視而不見.