高斯-馬爾可夫定理總共分為對OLS（Ordinary least square）普通線性方程有5個假設。
1.Assumption MLR.1（linear in parameters): 假設一要求所有的母集團引數（population parameters）為常數，用來保證模型為線性關係。即如果母集團方程為y=a+b1x1+b2x2+...+bkxk+u, 所有的a, b1,b2...bk必須為常數。同時u為無法檢測的誤差項，即實驗過程中模型沒有包含的因素。
2. Assumption MLR.2 (Random sampling)假設二： 假設我們有n個調查的樣本，那麼這n個樣本必須是從母集團裡面隨機抽樣得出的。以假設一的方程為例，{（xi1,xi2, xi3.....xik,yi): i=1,2,3...n}
3. Assumption MLR.3 （No perfect collinearity)假設三：在樣本（母集團）中， 沒有獨立變數（independent variable）是常數，並且獨立變數之間不能有完全共線性。（根據矩陣方程的定義，方程會無解）
4. Assumption MLR.4 (Zero conditional mean)假設四： 母集團方程的誤差項的均值為 0，並且均值不受到獨立變數的影響，可以表示為：E(U/ X1, X2...Xk)=0
5.Assumption MLR.5 (Homoscedasticity): 假設五：同方差性， 誤差項u的方差不受到獨立變數的影響為一個固定不變的值，可以表示為： Var(u/X1,X2...Xk)=σ
高斯-馬爾可夫定理總共分為對OLS（Ordinary least square）普通線性方程有5個假設。
1.Assumption MLR.1（linear in parameters): 假設一要求所有的母集團引數（population parameters）為常數，用來保證模型為線性關係。即如果母集團方程為y=a+b1x1+b2x2+...+bkxk+u, 所有的a, b1,b2...bk必須為常數。同時u為無法檢測的誤差項，即實驗過程中模型沒有包含的因素。
2. Assumption MLR.2 (Random sampling)假設二： 假設我們有n個調查的樣本，那麼這n個樣本必須是從母集團裡面隨機抽樣得出的。以假設一的方程為例，{（xi1,xi2, xi3.....xik,yi): i=1,2,3...n}
3. Assumption MLR.3 （No perfect collinearity)假設三：在樣本（母集團）中， 沒有獨立變數（independent variable）是常數，並且獨立變數之間不能有完全共線性。（根據矩陣方程的定義，方程會無解）
4. Assumption MLR.4 (Zero conditional mean)假設四： 母集團方程的誤差項的均值為 0，並且均值不受到獨立變數的影響，可以表示為：E(U/ X1, X2...Xk)=0
5.Assumption MLR.5 (Homoscedasticity): 假設五：同方差性， 誤差項u的方差不受到獨立變數的影響為一個固定不變的值，可以表示為： Var(u/X1,X2...Xk)=σ