经典正态线性回归模型classical normal linear regression

与[经典线性回归模型]相比，该模型增加了对随机扰动项的正态假定，即假定

u_i～N(0,σ²)

(1)正态假定的合理性：因为u_i代表了大量没有引入回归模型的独立变量的联合影响，这些影响既是微小的，又是随机的，根据数理统计学的中心极限定理，可以假定为正态分布。
(2)正态假定的必要性：用普通[最小二乘法]对[经典线性回归模型]进行参数估计时，得到的是点估计量；要知道这些点估计量的可靠程度，必须求出其[置信区间]，这就要求知道估计量的概率分布。对扰动项作正态假定后，β、Y及σ²等估计量的分布都可推导出来，从而为构造它们的置信区间铺平道路。