『壹』 经典假设的提出是计量经济学模型本身要求的么
是统计学和最小二乘法的要求。。
你不用最小二乘法就没有那些假设了。。
『贰』 计量经济学中为什么要对回归模型规定典假设条件
不光是计量。经济学，乃至所有科学的一切定理以及计算法则，都是建立在一些特定的假设条件前提下的。比如物理力学中分析速度，就是假设没有摩擦力、空气阻力。
计量经济学的大量假设都是针对所谓的误差项进行假设。道理也很简单，如果误差项极端的不规则，或者经常爆表，那任何一个estimator都无法做到consistency.
『叁』 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
『肆』 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？
『伍』 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
『陆』 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。
『柒』 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
『捌』 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.
『玖』 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。
(9)计量经济学的经典经济假设条件扩展阅读：
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。
『拾』 经济计量学中随机项u的经典假设条件是什么
1.误差项ui 的均值为零。对于给定的X 值，随机误差项ui 的均值或期望值为零，即ui 的条件均值为零，记为E(ui / Xi )=0 这一假定的实际意义为：凡是模型中不显含的并因而归属于ui 的因素，对Y 的均值都没有系统的影响，正的ui 值抵消了负的ui 值，它们对Y 的平均影响为零。
2.同方差性或ui 的方差相等。对所有给定的Xi，ui 的方差都是相同的。就是说，ui 的条件方差是恒定的，该假定表示对应于不同Xi 值，ui 的方差都是某个等于σ2 的正的常数。
3.各个误差项之间无自相关，ui 和uj（i≠j）之间的相关为零。 二者的协方差为0
4.ui 和Xi 的协方差为零或E（ui Xi）=0该假定表示误差项u 和解释变量X 是不相关的。也就是说在总体回归模型中，X 和u 对Y 有各自的影响。但是，如果X 和u 是相关的，就不可能评估他们各自对Y 的影响。
5.正确地设定了回归模型，即在经验分析中所用的模型没有设定偏误。
6.对于多元线性回归模型，没有完全的多重共线性。就是说解释变量之间没有完全的线性关系。