在异方差性情况下，常用的估计方法是

存在异方差情况下，普通最小二乘估计量依然是无偏和有效的（） 中国大学MOOC: 在异方差的情况下，参数估计量仍是无偏的，其原因是 应用加权最小二乘法（WLS）进行估计在模型检验出存在异方差性时的情况下。( ) 序列相关情况下，常用的参数估计方法有（） 在不确定性情况下，估计未来投资收益，可选用的决策方法有(　　)。 下列说法正确的有: 如果OLS回归的残差表现出系统性，则说明数据中不存在异方差性|如果回归模型中遗漏一个重要变量，则OLS残差必定表现出明显的趋势|异方差情况下，通常的OLS估计一定高估了估计量的标准差|当异方差出现时，常用的t和F检验失效|当异方差出现时，最小二乘估计是有偏的和不具有最小方差特性 存在异方差情况下，线性回归模型的结构参数的普通最小二乘估计量是有偏的和非有效的。 常用的检验异方差的方法有（） 当存在异方差现象时，估计模型参数的适当方法是（） 当存在异方差现象时，估计模型参数的适当方法是（ ） 在不确定性情况下，估计未来投资收益，可选用的决策方法有(  )。 常用的检验异方差性的方法有 用样本均值估计总体均值，在总体方差已知的情况下，应使用（ ）。 用样本均值估计总体均值,在总体方差已知的情况下,应使用()。 针对存在异方差现象的模型进行估计，下面哪些方法可能是适用的（）。 产生异方差性的原因及异方差性对模型的OLS估计有何影响。 当模型存在异方差性时,OLS估计仍然是有效估计 在其他条件不变的情况下，总体数据的方差越大，估计时所需的样本量（）。 小样本情况下，总体均值的区间估计方法是（　　）。 分层抽样在总样本量固定的情况下，使估计值的总抽样方差最小的一种分配方法是（）