28. 多选题一元线性回归模型Y = beta_0 + beta_1 X + u的经典假设包括()A. E(u_i)=0B. Var(u_i) = sigma^2C. Cov(u_i, u_j)=0D. u_i服从正态分布[1]E. X为非随机变量,与随机误差项u_i不相关

本题考查一元线性回归模型的经典假设相关知识点。解题思路是依次分析每个选项是否属于一元线性回归模型$Y = \beta_0 + \beta_1 X + u$的经典假设。

选项A

在一元线性回归模型中，假设随机误差项$u_i$的期望为$0$，即$E(u_i)=0$。这一假设意味着随机误差项在总体上没有系统性的偏差，它的平均值为$0$。如果$E(u_i)\neq0$，那么模型的截距项$\beta_0$就不能准确地表示当$X = 0$时$Y$的期望值，所以选项A是经典假设之一。

选项B

假设随机误差项$u_i$的方差为常数$\sigma^2$，即$Var(u_i) = \sigma^2$。这一假设保证了模型的误差在不同的样本点上具有相同的波动程度，也就是同方差性。如果方差不恒定，会导致模型的估计结果不稳定，影响模型的可靠性，所以选项B是经典假设之一。

选项C

假设不同样本点的随机误差项之间不相关，即$Cov(u_i, u_j)=0$（$i\neq j$）。这一假设保证了随机误差项在不同观测值之间不存在自相关关系。如果存在自相关，会使模型的参数估计量不再是最优线性无偏估计量，影响模型的有效性，所以选项C是经典假设之一。

选项D

假设随机误差项$u_i$服从正态分布，即$u_i\sim N(0,\sigma^2)$。在正态性假设下，可以进行精确的区间估计和假设检验，使得模型的统计推断更加方便和可靠，所以选项D是经典假设之一。

选项E

假设解释变量$X$为非随机变量，并且与随机误差项$u_i$不相关。这一假设保证了$X$的取值不会受到随机误差项的影响，从而使得模型的参数估计具有良好的性质。如果$X$与$u_i$相关，会导致参数估计的有偏性，所以选项E是经典假设之一。