违背基本假设进行参数估计，这样估计出来的拟合方程有两点:
1.参数系数不符合先验性预期
比如消费收入模型中收入的系数为负；或者系数在统计上不显著；或者R-square非常小。
2.模型拟合程度很好，但是没有解释能力
比如你做一个魔兽dps-天气模型。假设你的方程拟合度非常好，但是这样的模型毫无意义。
违背基本假设的计量经济学模型可以估计，但是所估计的参数的方差变大，参数不具有有效性，相关检验失效，预测精度下降。
而且不能使用普通最小二乘法进行估计，用最大似然估计法
线性回归模型的基本假设有：
第一，随机误差项均值为零；
第二，随机误差方差常数；
第三，随机误差项之间无序列相关性；
第四，解释变量之间无多重共线性；
第五，解释变量与随机误差项不相关；
第六，随机误差项服从正态分布。
可以估计。违背基本假设进行参数估计，这样估计出来的拟合方程有两点:1.参数系数不符合先验性预期比如消费收入模型中收入的系数为负；或者系数在统计上不显著；或者R-square非常小。2.模型拟合程度很好，但是没有解释能力比如你做一个魔兽dps-天气模型。假设你的方程拟合度非常好，但是这样的模型毫无意义。违背基本假设的计量经济学模型可以估计，但是所估计的参数的方差变大，参数不具有有效性，相关检验失效，预测精度下降。而且不能使用普通最小二乘法进行估计，用最大似然估计法线性回归模型的基本假设有：第一，随机误差项均值为零；第二，随机误差方差常数；第三，随机误差项之间无序列相关性；第四，解释变量之间无多重共线性；第五，解释变量与随机误差项不相关；第六，随机误差项服从正态分布。