1. 违背基本假设的计量经济学模型是否不可估计
可以估计。
违背基本假设进行参数估计，这样估计出来的拟合方程有两点:
1.参数系数不符合先验性预期
比如消费收入模型中收入的系数为负；或者系数在统计上不显著；或者R-square非常小。
2.模型拟合程度很好，但是没有解释能力
比如你做一个魔兽dps-天气模型。假设你的方程拟合度非常好，但是这样的模型毫无意义。
违背基本假设的计量经济学模型可以估计，但是所估计的参数的方差变大，参数不具有有效性，相关检验失效，预测精度下降。
而且不能使用普通最小二乘法进行估计，用最大似然估计法
线性回归模型的基本假设有：
第一，随机误差项均值为零；
第二，随机误差方差常数；
第三，随机误差项之间无序列相关性；
第四，解释变量之间无多重共线性；
第五，解释变量与随机误差项不相关；
第六，随机误差项服从正态分布。
2. 计量经济学中对经典假设条件的名词解释
单位根，数学术语，是指设n是正整数，当一个数的n次乘方等于1时，称此数为n次“单位根”计量经济学考试就是数学除了名词解释之外
3. 违背基本假设的计量经济学模型是否就不可估计
可以估抄计。
违背基本假设袭进行参数估计，这样估计出来的拟合方程有两点:
1.参数系数不符合先验性预期
比如消费收入模型中收入的系数为负；或者系数在统计上不显著；或者R-square非常小。
2.模型拟合程度很好，但是没有解释能力
比如你做一个魔兽dps-天气模型。假设你的方程拟合度非常好，但是这样的模型毫无意义。
违背基本假设的计量经济学模型可以估计，但是所估计的参数的方差变大，参数不具有有效性，相关检验失效，预测精度下降。
而且不能使用普通最小二乘法进行估计，用最大似然估计法
线性回归模型的基本假设有：
第一，随机误差项均值为零；
第二，随机误差方差常数；
第三，随机误差项之间无序列相关性；
第四，解释变量之间无多重共线性；
第五，解释变量与随机误差项不相关；
第六，随机误差项服从正态分布。
4. 计量经济学的经典假定
呵呵，多重共线性，异方差，自相关性的修正貌似大家还从来没考虑过残差的期望不为0的情况，你再想想最小二乘原则，可能出现残差的期望不为0的情况吗？
5. 计量经济学中经典线性回归的5个基本假定是什么
零均值、同方差、无自相关、随机扰动项与解释变量不相关、正态性
6. 计量经济学中的普通最小二乘法（OLS）的4个基本假设条件是什么
计量经济学中的普通最小二乘法（OLS）的4个基本假设条件分别为：
1、解释变量是确定变量，不是随机变量。
2、随机误差项具有零均值、同方差何不序列相关性。
3、随机误差项与解释变量之间不相关。
4、随机误差项服从零均值、同方差、零协方差的正态分布。
通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。
最小二乘法还可用于曲线拟合。其他一些优化问题也可通过最小化能量或最大化熵用最小二乘法来表达。
(6)计量经济学假设扩展阅读：
在我们研究两个变量（x,y）之间的相互关系时，通常可以得到一系列成对的数据（x1，y1，x2，y2... xm，ym）；将这些数据描绘在x -y直角坐标系中，若发现这些点在一条直线附近，可以令这条直线方程。
在回归过程中，回归的关联式不可能全部通过每个回归数据点（x1，y1，x2，y2...xm，ym），为了判断关联式的好坏，可借助相关系数“R”，统计量“F”，剩余标准偏差“S”进行判断；“R”越趋近于 1 越好；“F”的绝对值越大越好；“S”越趋近于 0 越好。
R = [∑XiYi - m （∑Xi / m）（∑Yi / m)]/ SQR{[∑Xi2 - m （∑Xi / m)2][∑Yi2 - m （∑Yi / m)2]}
m为样本容量，即实验次数；Xi、Yi分别为任意一组实验数据X、Y的数值。
7. 计量经济学中回归分析的经典假设
E(U) = 0 正态
E(XU) = 0 外生性
Var(U|X)= Sigma^2 同方差
E(X1X2) = 0 多重共线性
E(XX(-1)) = 0 序列相关性
怎么表示我及不太清楚了
但是只有异方差，序列相关和内生性最重要.
8. 计量经济学中的普通最小二乘法（OLS）的4个基本假设条件是什么在线等
1. 解释变量是确定变量，不是随机变量
2. 随机误差项具有零均值、同方差何不序列相关性
3. 随机误差项与解释变量之间不相关
4. 随机误差项服从零均值、同方差、零协方差的正态分布
9. 计量经济学的基本假设
计量经济学的来基本假设包括以下自个：
1，线性回归模型是指对参数而言为线性的回归模型。
2，随机干扰项的条件均值为零。
3，随机干扰项的条件方差恒定。
4，随即干扰项之间不存在自相关性。
5，随机干扰项与解释变量不相关。
6，正确地设定了回归模型。
10. 计量经济学产生BLUE估计量的基本假定是什么
最优线性无偏性(best linear unbiasedness property，BLUE)指一个估计量具有以下性质:
(1)线性，即版这个估计量是随机变量权。
(2)无偏性，即这个估计量的均值或者期望值E(a)等于真实值a。
(3)具有有效估计值，即这个估计量在所有这样的线性无偏估计量一类中有最小方差。
具有上述性质的估计量，被称为最优线性无偏估计量。
高斯-马尔科夫定理
在给定经典线性回归模型的假定下，最小二乘估计量，在无偏线性估计量一类中，有最小方差，即它们满足最优线性无偏性。