估计量属于统计量，而统计量仍然属于随机变量。既然是随机变量，就可能有期望与方差。

对于一个（组）参数，不同的估计方法对应不同的估计量。

若估计量的期望即该参数，则该估计量称作“无偏估计量”。

几个无偏估计量中，哪个“更好”？一般认为，方差越小的估计量越好。

OLS估计法即最小二乘估计法(ordinary least squares estimators),这个方法是根据残差平方和最小的思想来计算估计量的.用这个方法计算出来的参数估计式有比较良好的统计性质,比如无偏性(楼上版主已作解释)、最小方差性（偏离小心的程度最小）、有效性（估计式同时具有无偏性和最小方差性）、一致性（当样本容量趋于无穷大时，估计式的抽样分布依概率收敛于总体参数的真实值）。

在对这些性质进行描述的时候，通常把具有最小方差性的估计式称为最佳估计式。

“残差平方和最小”是最小二乘法的理论依据，而“最佳”是运用这种方法计算出的估计式的一个性质（即方差最小性）

简言之，“最佳”是指方差最小，并非指“残差平方和最小”，后者是一个更强的条件

非常感谢你。

非常ganxie    .