总量数据研究中的加总偏误是一个重要的理论与现实问题。经典计量理论认为内生性是计量模型参数估计偏误的主要原因。我们的研究进一步揭示了细分数据模型内生性和加总过程中的内生性是加总偏误的两大主因。研究首先将经典的高斯一马尔科夫定理推广到加总数据层面，证明了不同加总形式下加总模型参数估计的最小方差线性无偏特征，揭示加总模型最小方差线性无偏性与细分数据模型最小方差线性无偏性之间的关系。其次通过数值模拟方法考察了两类内生性所导致的加总偏误存在性与强度问题。最后,采用美国、加拿大与欧盟大豆贸易中的转基因政策效应作为研究对象，探讨转基因政策的贸易效应参数是否存在的加总偏误问题,演绎如何在实证研究中识别与检验加总偏误及其成因，进而有针对性地规范处理内生性，减弱甚至消除加总偏误。由于细分数据模型的内生性问题可以由一般性的内生性处理方法加以解决，本研究侧重于后者，即加总过程中的内生性所引发的加总偏误识别与检验。考虑到加总过程特征，文中采用逐步分类加总的方法，将数据加总过程分解为多路径、多步骤结构，进而依路径与步骤逐一考察加总偏误的存在性及存在的具体路径与关键节点，并将产生加总偏误的部分内生性因素进行有限剔除，并再次检验修正模型中的加总偏误问题，分析结果显示修正模型中的加总偏误得到显著改善。本文的研究为正确处理计量模型中的加总偏误问题提供了重要的解决方法与思路。这一研究方法为进一步解决加总偏误问题指明了一个新的发展方向。