1.无偏性 参数估计量的期望值与参数真值是相等的,这种性质称为无偏性,具有无偏性的估计量称为无偏估计量.
2.有效性 无偏性表示估计值是在真值周围波动的一个数值,即无偏性表示估计值与真值间平均差异为0,近似可以用估计值作为真值的一个代表.同一个参数可以有许多无偏估计量,但不同估计量的期望方差不同,也就是估计量在真值周围的波动大小不同.估计量的期望方差越大说明用其估计值代表相应真值的有效性越差；否则越好,越有效.不同的估计量具有不同的方差,方差最小说明最有效.
3.异方差性 是相对于同方差而言的.所谓同方差,是为了保证回归参数估计量具有良好的统计性质,经典线性回归模型的一个重要假定：总体回归函数中的随机误差项满足同方差性,即它们都有相同的方差.如果这一假定不满足,即：随机误差项具有不同的方差,则称线性回归模型存在异方差性.
1.回归分析是一个变量（被解释变量）对于一个或多个其他变量（解释变量）的依存关系,目的在于根据解释变量的数值估计预测被解释变量的总体均值.相关分析研究变量相关程度,用相关系数表示.相关分析不关注变量的因果关系,变量都是随机变量.回归分析关注变量因果关系.被解释变量是随机变量,解释变量是非随机变量.
2.DW检验适用于一阶自回归：不适用解释变量与随机项相关的模型；DW检验存在两个不能确定的区域
3.参数估计量非有效.变量的显著性检验失去意义.模型的预测失效
图示法：（X _ e2）
解析法：戈德菲尔德－匡特检验怀特检验 ARCH检验