高斯-马尔可夫假设

高斯-马尔可夫假设 (Gauss-Markov Assumptions)

高斯-马尔可夫假设（Gauss-Markov Assumptions）是经典线性回归模型（Classical Linear Regression Model, CLRM）的一组核心假定。在这些假设成立的条件下，通过回归分析得到的普通最小二乘法（Ordinary Least Squares, OLS）估计量是最佳线性无偏估计量（Best Linear Unbiased Estimator, BLUE）。这一定理，即高斯-马尔可夫定理，是计量经济学理论的基石，为OLS方法在实证研究中的广泛应用提供了坚实的理论依据。理解这组假设对于正确应用和解释回归结果至关重要，因为这些假设规定了总体回归函数中扰动项（error term）的统计特征及其与自变量（independent variables）之间的关系，是进行可靠计量分析的前提条件。

考虑包含$k$个自变量的多元线性回归总体模型：

其中$Y_i$为第$i$次观测的因变量（dependent variable），$X_{1i},\ldots,X_{ki}$为自变量，$\beta_0,\ldots,\beta_k$为待估的总体参数（parameters），$u_i$为第$i$次观测的扰动项，代表所有未被模型自变量解释的其他影响因素，$i=1,\ldots,n$为样本索引，$n$为样本大小。

假设一：线性性 (Linearity in Parameters)

总体模型对参数$\beta_0,\beta_1,\ldots,\beta_k$须为线性函数。这意味着参数本身不能以平方、指数、倒数等非线性形式出现。此假设不要求变量$X$或$Y$本身线性。例如模型$Y_i=\beta_0+\beta_1 X_{1i}^2+\beta_2\log(X_{2i})+u_i$满足假设（对参数线性），而$Y_i=\beta_0+\beta_1^2 X_{1i}+u_i$或$Y_i=\beta_0+(1/\beta_1)X_{1i}+u_i$均违反假设。这保证了模型在参数空间中的可识别性，使得最小化残差平方和的优化问题具有良好的数学性质。

假设二：随机抽样 (Random Sampling)

数据集$\{(X_{1i},\ldots,X_{ki},Y_i):i=1,\ldots,n\}$须来自总体的随机样本（random sample）。此假设确保样本在统计上能够代表总体，从而使得基于样本的统计推断具有普遍性和可推广性。若抽样过程存在选择偏误（selection bias）或其他系统性偏差，则即使在样本内获得良好拟合，估计结果也可能无法推广到目标总体，导致推断结论失效。在时间序列数据中，此假设通常由平稳性（stationarity）和弱依赖性（weak dependence）条件替代。

假设三：无完全多重共线性 (No Perfect Multicollinearity)

样本中的自变量之间，不存在任何一个变量是其他变量的精确线性组合。例如若$X_{2i}=2X_{1i}$或$X_{3i}=X_{1i}+X_{2i}$，则存在完全多重共线性。此时设计矩阵$X'X$不可逆→OLS估计量数学上无法计算。此假设仅禁止"完全"共线性。当自变量间存在高度（但不完全）的相关性时，称为多重共线性（multicollinearity）→这虽不阻碍参数估计，但会增大估计量的方差，降低估计精度，导致个别系数t统计量偏小而模型整体$R^2$可能很高。

假设四：零条件均值 (Zero Conditional Mean)

给定任何自变量值，扰动项的条件期望值为零：

这是所有假设中最关键的一个。它意味着扰动项中包含的所有未观测因素与模型中的所有自变量都不相关→满足此条件的自变量称为外生变量（exogenous variables）。若此假设被违反，例如重要变量被遗漏且与已包含变量相关，则产生遗漏变量偏误（omitted variable bias）。其他常见违例包括测量误差（measurement error）和联立性偏误（simultaneity bias），后者常发生于经济系统中变量间存在双向因果关系时。违反此假设将导致OLS估计量有偏（biased）且不一致（inconsistent）→即使样本量无限增大，估计值也不会收敛到真实总体参数。

假设五：同方差性 (Homoskedasticity)

给定任何自变量值，扰动项的条件方差是恒定的：

其中$\sigma^2$为常数。这意味着无论自变量取何值，数据点围绕回归线的离散程度相同。若此假设被违反→方差随自变量取值变化→称为异方差性（heteroskedasticity）。异方差存在时，OLS估计量虽仍保持线性、无偏（假设④成立时）和一致性，但不再"最佳"（不再具有最小方差）。更严重的是，标准的假设检验（如t检验和F检验）所依赖的方差和标准误计算公式将出现错误→导致统计推断不可靠。异方差在横截面数据中尤为常见。

高斯-马尔可夫定理与BLUE内涵

高斯-马尔可夫定理：在假设①-⑤成立的条件下，OLS估计量是BLUE。线性指$\hat{\beta}_j=\sum_{i=1}^n w_i Y_i$，其中权重$w_i$为自变量$X$的函数。无偏性指$E(\hat{\beta}_j)=\beta_j$→主要依赖假设④（零条件均值）。最佳指在所有线性无偏估计量中OLS具有最小方差→称为效率（efficiency）→依赖假设⑤（同方差性）。这意味着在经典假设下，没有任何其他线性无偏估计量能比OLS更精确地估计总体参数。

正态性假设 (Normality Assumption)

有时引入第六假设——扰动项服从正态分布：

重要区分：正态性假设不是高斯-马尔可夫定理成立的必要条件→即使无此假设，OLS在假设①-⑤下仍为BLUE。正态性假设的主要作用在于小样本统计推断：当此假设成立时，OLS估计量$\hat{\beta}_j$也服从正态分布→基于t分布和F分布的置信区间和假设检验在任何样本量下都是精确有效的。在大样本条件下，中心极限定理（Central Limit Theorem）保证OLS估计量渐近服从正态分布→正态性假设的重要性随之降低。

总结与拓展

高斯-马尔可夫假设定义了OLS估计量达到最优的理想条件（BLUE），是计量经济学理论的出发点。实际应用中这些假设并非总能满足→计量经济学的重要组成部分就是学习如何诊断和处理违反假设的情况：内生性（假设④违例）→工具变量法（Instrumental Variables, IV）；异方差（假设⑤违例）→异方差稳健标准误（Heteroskedasticity-Robust Standard Errors）；序列相关→广义最小二乘法（Generalized Least Squares, GLS）。深入理解这组假设是正确运用回归分析的根基。