β^ 0 dan β^ 1 sebagai penduga untuk parameter β 0 dan β 1 yang muncul dalam model populasi
Ini berarti kita akan mempelajari properti dari distribusi β^ 0 dan β^ 1 di atas sampel acak yang
berbeda dari populasi
A. Ketidaksesuaian OLS
menetapkan OLS yang tidak berpihak di bawah serangkaian asumsi sederhana. Untuk referensi di masa
mendatang, berguna terhadap pemberian nomor pada asumsi ini menggunakan awalan "SLR" untuk
regresi linier sederhana.
Asumsi pertama mendefinisikan mode populasi.
y = β0 +¿β ¿x + u
1
sebagai,
y = β0 +¿ β ¿xi + ui , i = 1,2,…..,n
1
dimana ui adalah kesalahan atau gangguan untuk observasi i (misalnya orang i, perusahaan i,
kota i, dan seterusny) Jadi, ui berisi yang tidak dapat diobservasi
Asumsi SLR.3 (Variasi Sampel dalam Variabel Penjelasan)
Ini adalah asumsi yang sangat lemah — tentu saja tidak layak untuk ditekankan, namun tetap
diperlukan. Hasil sampel dari x, yaitu, tidak semua nilainya sama. Jika x beragam dalam
populasi, sampel random x akan beragam juga kecuali jika variasi dari populasi sedikit atau
ukuran sampelnya kecil.
Untuk sampel acak, asumsi ini menyatakan bahwa E (u|x) = 0., untuk semua i = 1, 2, c, n