为了线性, β ^ 1 {\displaystyle {\hat {\beta }}_{1}} 必须是 Y i {\displaystyle Y_{i}} 的线性函数,如下所示
β ^ 1 = ∑ k i Y i {\displaystyle {\hat {\beta }}_{1}=\sum {k_{i}Y_{i}}}
其中 k i {\displaystyle k_{i}} 是一个常数,在任何给定的观察 'i' 中。
从 OLS 正规方程 β ^ 1 {\displaystyle {\hat {\beta }}_{1}} 的均值偏差形式解中,我们有
β ^ 1 = ∑ x i y i ∑ x i 2 = ∑ x i ( Y i − Y ¯ ) ∑ x i 2 = ∑ x i Y i ∑ x i 2 − ∑ x i Y ¯ ∑ x i 2 {\displaystyle {\hat {\beta }}_{1}={\frac {\sum {x_{i}y_{i}}}{\sum {x_{i}^{2}}}}={\frac {\sum {x_{i}(Y_{i}-{\bar {Y}})}}{\sum {x_{i}^{2}}}}={\frac {\sum {x_{i}Y_{i}}}{\sum {x_{i}^{2}}}}-{\frac {\sum {x_{i}{\bar {Y}}}}{\sum {x_{i}^{2}}}}}
= ∑ x i Y i ∑ x i 2 {\displaystyle ={\frac {\sum {x_{i}Y_{i}}}{\sum {x_{i}^{2}}}}} ,因为 ∑ x i = 0 {\displaystyle {\sum {x_{i}}}=0} 。
= ∑ k i Y i {\displaystyle =\sum {k_{i}Y_{i}}} ,其中 k i = x i ∑ x i {\displaystyle k_{i}={\frac {x_{i}}{\sum {x_{i}}}}} ,对于任何给定的 'i' 值,这是一个常数。