趋势外推法的假定条件,经典假设条件的内容是什么？

1趋势外推法的假定条件、Assumption MLR.1（linear in parameters)：假设一要求所有的母集团参数为常数，用来保证模型为线性关系。

即如果母集团方程为y=a+b1x1+b2x2+…+bkxk+u，所有的a，b1，b2…bk必须为常数。同时u为无法检测的误差项，即实验过程中模型没有包含的因素。

2、Assumption MLR.2 (Random sampling)假设二： 假设我们有n个调查的样本，那么这n个样本必须是从母集团里面随机抽样得出的。以假设一的方程为例，{（xi1,xi2, xi3…..xik,yi): i=1,2,3…n}。

3、Assumption MLR.3 （No perfect collinearity)假设三：在样本（母集团）中， 没有独立变量（independent variable）是常数，并且独立变量之间不能有完全共线性。（根据矩阵方程的定义，方程会无解）。

4、Assumption MLR.4 (Zero conditional mean)假设四： 母集团方程的误差项的均值为 0，并且均值不受到独立变量的影响，可以表示为：E(U/ X1, X2…Xk)=0。

5.Assumption MLR.5 (Homoscedasticity): 假设五：同方差性， 误差项u的方差不受到独立变量的影响为一个固定不变的值，可以表示为： Var(u/X1,X2…Xk)=σ。

扩展资料

在统计学中，高斯-马尔可夫定理(Gauss-Markov Theorem)陈述的是：在线性回归模型中，如果误差满足零均值、同方差且互不相关，则回归系数的最佳线性无偏估计(BLUE，Best Linear unbiased estimator)就是普通最小二乘法估计。

这里最佳的意思是指相较于其他估计量有更小方差的估计量，同时把对估计量的寻找限制在所有可能的线性无偏估计量中。

值得注意的是这里不需要假定误差满足独立同分布(iid)或正态分布，而仅需要满足零均值、不相关及同方差这三个稍弱的条件。