Основні припущення щодо оцінювання параметрів
Економетричне моделювання методами класичного кореляційно – регресійного аналізу засноване на ряді наведених нижче припущень. Вони стосуються майже всіх етапів моделювання, а саме: ідентифікації змінних; формування матриці вихідних даних про змінні; специфікації форми рівнянь регресії; вибору методу оцінювання параметрів. Розглянемо ці припущення.
1. Зв’язок між змінними y і xi описується залежністю лінійної форми
y = 
о + 1 x1 + 2 x2 + … + m xm + ε.
Якщо за економичною теорією лінійна форма неприйнятна, обгрунтовують вибір адекватної квазілінійної або суттєво нелінійної форми зв’язку, але такої, яка шляхом перетворення приводиться до лінійної (див. підрозділ 2.2.4).
2. Для будь – яких значень xi математичне сподівання випадкової величини εдорівнюе нулю, тобтоЕ(ε)= 0.Це припущення стверджуе, що вплив усіх факторів, які не враховані в моделі і тому іх віднесено до ε,має випадковий, а не системний характер на математичне сподівання y, тобто додатні значення ε компенсують від’ємні ε і тому їхній усереднений чи очікуваний вплив на y дорівнює нулю. З цього випливає, що математичне сподівання y дорівнює ŷ = о + 1 x1 + 2 x2 + … + m xm.
3. Дисперсія випадкової величини є постійною для всіх значень xi, тобто Dε= const. Це припущення означає незалежність дисперсії Dε від значень xi, яка називається гомоскедастичністю. Випадок, коли умова гомоскедастичності не виконується, називається гетероскедастичністю.
4. Значення випадкової величини εє незалежними,не корелюють між собою, тобто rεiεj = 0 (i ≠ j). Це припущення вказує на некорельованість залишків εj для різних спостережень. Воно часто порушується у випадках, коли дані спостережень є часовими рядами і тоді 
. Це явище називається автокореляцією залишків, у простих випадках автокореляції першого порядку її наявність підтверджується тим, що rεjεj-1 ≠ 0.
5. Випадкова величина εразноділена за нормальним закономз математичним сподіванням, що дорівнює нулю, тобто Е(ε)= 0,і дисперсією Dε або σε2.
Це припущення вимагає, щоб залишки були разподілені за нормальним законом. Воно є необхідним в подальшому для побудови інтервалів довіри для параметрів лінійної регресійної моделі.
6. Випадкова величина εі змінніxi не корелюють між собою, тобто rεхi=0. Це припущення виконується автоматично, коли змінні xi є детермінованими величинами, що ми і будемо припускати далі.
7. Незалежні зміні не корелюють між собою, тобто 
= 0 (i ≠ j), принаймні сила їх попарних зв’язків невисока порівняно з 
. Це припущення вимагає, щоби вплив кожного окремого xi на y був достатьо автономним, незалежним. Порушення цієї вимоги породжує проблему мультиколінеарності факторів, яку ми уже розглядали в розділі 2.1.5.
Відомо, що коли наведені припущення виконуються, то оцінки о,,1,…, m параметрів о,,1,…, m можна отримати класичним методом найменших квадратів і вони будуть незміщеними, обгрунтованими і ефективними, тобто найкращими BLUE – оцінками.