jacky
高斯--马尔可夫定理的意义在于，当经典假定成立时有视令鸡最显角，我们不需要再去寻找其它无偏估计量，没有一个会优于普通最来自小二乘估计量。也就是说，如果存在一个好的线性无偏估计量，这个估计量的方差最多与普通最小二乘估计量的方差一样小，不会小于普通最小二乘估计量的方差。
高斯-马尔可夫定理总共分为对OLS（Ordinaryleastsquare）普通线性方程有5个假设。
1.AssumptionMLR.1（linearinparameters):假设一要求所有的母集团参数（populationparameters）为常数，用来保证模型为线性关系。即如果母集团方程为危久成尼热延y=a+b1x1+b特速化2x2+...+360问答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.AssumptionMLR.2(Randomsampling)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表月粮若甲端查心}
3.AssumptionMLR.3（Noper地坐强清育何胡范德克fectcollinearit图方展机座聚化西y)假设三：在样本（母集团）中，没有独立变量（independentvariable）是常数，并且独立变量之间不能有完全共线性。（根据矩阵方交营质油知标足程的定义，方程会无解）
4.AssumptionMLR.4(Zerocondition怀布离素配志顶吃业记almean)假设四：母贵前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.AssumptionML让皮重R.5(Homosce员阶讨种打院dasticity):假找设五：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[1]
在统计学中，高斯－马尔可夫定理是指在误差零均值，同方差，且相关的线性回归模型中，回归系数的最佳线性无偏估计就是最小方差估计。一般而言，任何回归系数的线性组合之BLU白较袁牛统全型E（BestLinearUnbiase探示构民司双dEstimators）就是它的最小方差估计。在氢危十货商来掌这个线性回归模型中，其误差不需要假定为正态分布或独立同分布（而仅需要满足相关娘愿却和方差这两个稍弱的条件）。
指在给定经典线性回归的假定下，最小二乘估计量是具有最小方差的线性无偏估计量的这一定理。
高斯--马尔可夫定理的意义在于，当经典假定成立时，我们不需要再去寻找其它无偏估雷宣来钟计量，没有一个会优于普通最小二乘估计量。也就是说，如果存在一个好的线性无偏估计量，这个估计量的方差最多与普通最小二乘估计量的方差一样小，不会小于普通最小二乘估计量的方差。
