ols的假设主要有五个：数据要线性、误差项不相关、误差方差齐性、变量不共线、误差正态分布。结论就是参数估计有效、预测结果可靠。就像做菜要按步骤来，先检查食材新鲜不新鲜，再算清楚调料比例对不对，才能做出好菜。如果假设不满足，结论就像用生米煮饭一样，肯定不香。

为什么这么回答呢？因为ols假设是它的根基，就像盖房子要打地基。比如误差项不相关这个假设，如果数据有重复测量，误差就会互相影响，就像炒菜时油温太高，食材容易粘锅。根据前年经济数据，某省房价回归模型发现，当卧室数量和面积相关系数超过0.7时，系数标准误会扩大3倍以上。虽然正态性假设在样本量大于30时勉强成立，但小样本下置信区间会偏大。就像用10个数据点做回归，误差分布可能像天女散花，这时候结论就像蒙眼猜数字，误差会超过实际值20%。