普通最小二乘估计
总体回归函数：Yi=β1+β2*Xi+ui样本回归函数：Yi'=β1'+β2'*Xi
在古典假定下，用使估计的剩余平方和最小的原则确定样本回归函数的方法称为普通最小二乘法。
古典假定即：1、零均值假定：E(ui｜Xi）=0
                     2、同方差假定：Var（ui｜Xi）=σ^2
                     3、无自相关假定：即随机扰动项ui的逐次值互不相关Cov（ui，uj）=0
                     4、随机扰动项ui与解释变量Xi不相关Cov（ui，Xi）=0        
                     5、正态性假定，即假定随机扰动项ui服从期望为零，方差为σ^2的正态分布
剩余平方和最小：min∑ei^2=min∑（Yi-β1'-β2'Xi）^2

运用微积分中求极值原理，求出β1'与β2'

是计量的OLS回归吗？？？