随机误差项的性质:1误差项代表了未纳入模型变量的影响。2即使模型中包括了决定数学分数的所有变量,其内在随机性也不可避免,这是做任何努力都无法解释的。3 u还代表了度量误差。4:“奥卡姆剃刀原则”,即描述应该尽可能简单,只要不遗漏重要的信息普通最小二乘估计量的一些重要性质:1用OLS法得出的样本回归线经过样本均值点。2残差的均值总为零。3对残差与解释变量的积求和,其值为零,即这两个变量不相关,这个性质也可用来检查最小二乘法计算结果。4对残差与Yi(估计的Yi)的积求和,其值为0古典线性回归模型:1回归模型是参数线性的,但不一定是变量线性的。2解释变量(X)与扰动误差项u不相关。3给定Xi,扰动项的期望或均值为零。4 ui的方差为常数,或同方差。5无自相关假定,即两个误差项之间不相关。6回归模型是正确设定的多元线性回归模型的若干假定:1回归模型是参数线性的,并且是正确设定的。2 X2、X3与扰动项u不相关。如果X2、X3是非随机的(即X2、X3在重复抽样中取固定值),则这个假定将自动满足。3误差项均值为零。4同方差假定,即u的方差为一常量。5误差项ui和uj无自相关。6