在多元線性迴歸模型中，引數的最小二乘估計量具備線性、無偏性、最小方差性，同時多元線性迴歸模型滿足經典假定，所以此時的最小二乘估計量是最優的線性無偏估計量，又稱BLUE估計量。 研究的直接目的是確定總體迴歸函式Yi=B1+B2Xi+ui,然而能夠得到的只是來自總體的若干樣本的觀測值，要用樣本資訊建立的樣本回歸函式儘可能“接近”地去估計總體迴歸函式。為此，可以以從不同的角度去確定建立樣本回歸函式的準則，也就有了估計迴歸模型引數的多種方法。例如，用生產該樣本機率最大的原則去確定樣本回歸函式，成為極大似然發展；用估計的剩餘平方和的最小的原則確定樣本回歸函式，稱為最小二乘法。 最小二乘法的基本原則是各觀察點距直線的縱向距離的平方和最小.這裡的“二乘”指的是用平方來度量觀測點與估計點的遠近,“最小”指的是引數的估計值要保證各個觀測點與估計點的距離的平方和達到最小。

最優線性無偏性（best linear unbiased estimate，BLUE）指一個估計量具有以下性質：

（1）線性，即這個估計量是隨機變數。

（2）無偏性，即這個估計量的均值或者期望值E（a）等於真實值a。

（3）具有有效估計值，即這個估計量在所有這樣的線性無偏估計量一類中有最小方差。

具有上述性質的估計量，被稱為最優線性無偏估計量。

一，（1） 用最小二乘法的基本原則是各觀察點距直線的縱向距離的平方和最小.這裡的“二乘”指的是用平方來度量觀測點與估計點的遠近,“最小”指的是引數的估計值要保證各個觀測點與估計點的距離的平方和達到最小.（2）最小二乘估計量是具有最小方差的線性無偏估計量.二，條件收斂並不能保證期望一定存在,如：∑xp,x=n,p=1/n ×（-1）的n次方 ,∑p為條件收斂,∑（-1）的n次方的值是不存在的.因為-1+(1-1)+(1-1)+(1.=-1 (-1+1)+(-1+1)+(-1+1)...=0 只有的絕對收斂級數才能保證級數一定收斂且其和與級數中項的排列次序無關,而隨機變數取值是隨機的,因此必須要求是“絕對收斂”