从我的角度来看，这个问题源于这样一个事实，即 OLS 对线性投影进行建模，它的定义使得我们总是有但它不成立一般来说。$L(Y|X)=X\beta$$(Y-L(Y|X))⊥X$$L(Y|X)=X\beta=E[Y|X]$

例如假设和，如果我们现在不考虑平方项，即估计线性投影我们实际上说和。或者换句话说，我们将放在误差项中。根据随机变量的基本计算规则（并假设）它持有 但显然$Y=X+X^2+e$$E[Y|X]=X+X^2$$L(Y|X)=X\beta$$Y=X+\epsilon$$\epsilon=X^2+e$$X^2$$e\sim iid(0,\sigma)$

因此，您对非线性效应的怀疑是完全正确的，但更深层的原因是通过 OLS 建模不一定与条件期望建模相同。

但更广泛地说，一般来说，同质化可能有三个原因（如标准教科书如 Wooldridges“横截面和面板数据的计量经济学分析”所示）。经典的是遗漏变量问题，它源于混淆了 OLS 估计器的误差项和“真实”模型的误差项。其次是测量误差问题，我们控制所有相关协变量，但它们的测量中的一些误差进入误差项，第三是模拟问题。因此，我会说您所说的“内生性[可以]被认为是遗漏变量问题的另一种表现”是正确的。然而，内生性不一定来自遗漏变量，也可能有其他来源。

我会清楚地参考伍尔德里奇的书，尤其是第一章。2 关于条件期望（我们想要估计的）和线性投影（如果我们使用 OLS 的话，我们手头有什么）和第 2 章的概念。4 内生性及其来源问题。