最佳線性無偏估計量

最佳線性無偏估計量（Best Linear Unbiased Estimate，簡稱BLUE）是指線上性回歸模型中，能夠同時具有最小方差和最大期望值（Bias）的估計量，也就是誤差最小且系統偏差最大的估計量。在統計學中，BLUE通常用於估計因變數（回響變數）與一個或多個自變數之間的關係。

對於多元線性回歸模型，BLUE包括以下幾種常用的估計量：

最小二乘估計量（Ordinary Least Squares，OLS）：通過最小化每個預測變數的平方誤差（即偏差的平方和）來估計模型參數，這是經典線性回歸分析中最常用的方法。
最大似然估計量（Maximum Likelihood Estimation，MLE）：通過最大化似然函式對模型參數進行估計，這種方法在統計學中經常使用。
廣義最小二乘估計量（Generalized Least Squares，GLS）：對於存在異方差性或數據不滿足常態分配的情況，可以使用廣義最小二乘估計量來處理。

這些估計量都有各自的優缺點，選擇哪種估計量取決於具體的研究問題和數據特性。在選擇最佳估計量時，需要考慮模型的假設條件、數據的性質和精度等因素。