当加权最小二乘拟合中的权均取为 时，就是普通不考虑权的最小二乘拟合。

给出加权最小二乘状态估计的计算流程并加以说明。 根据最小二乘原理，所估计的模型已经使得拟合误差达到最小，为什么还要讨论模型的拟合优度问题？ 状态估计是高维线性方程的加权最小二乘解问题（） 加权最小二乘(W1s)估计量是( )估计量。 koyck变换模型参数的普通最小二乘估计量是（ ）。 最小二乘法的原理是，当所有测量数据的（ ）最小时，所拟合的直线最优。 中国大学MOOC: 当存在序列相关时，广义最小二乘法的预测结果通常优于普通最小二乘法。 最小二乘法的原理是，当所有的测量数据的（）最小时，所拟合的直线最优。 模型结构参数的普通最小二乘估计量具有线性性、无偏性、有效性，随机干扰项方差的普通最小二乘估计量也是无偏的。 普通最小二乘估计OLS是根据样本残差平方之和最小来估计参数的 给定数据点利用最小二乘法拟合曲线时，得到的曲线()。 简述加权最小二乘法的思想。 多重共线性的存在会降低普通最小二乘估计的方差 根据最小二乘法拟合直线回归方程是使（）。 普通最小二乘估计OLS是对待估参数求偏导来估计参数的 最小二乘法寻找一条直线，使（）最小，以此得到最优拟合直线 当存在异方差时，使用普通最小二乘法得到的估计量是（） 当存在异方差时，使用普通最小二乘法得到的估计量是（） 在多元经典线性回归模型中，参数的最小二乘估计量具、、，所以此时的最小二乘估计量又称BLUE估计量。 加权最小二乘法可以解决异方差性（）