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。

对于经典线性回归模型，各回归系数的普通最小二乘法估计量具有的优良特性有 对于经典线性回归模型，各回归系数的普通最小二乘法估计量具有的优良特性有（ ）。 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。 含有随机解释变量的线性回归模型，其普通最小二乘法估计量都是有偏的。 当一个线性回归模型的随机误差项存在序列相关时，直接用普通最小二乘法估计参数，则参数估计量为（） 利用最小二乘法求解回归模型参数的基本要求是（）。 在给定经典线性回归的假定下，最小二乘估计量是具有最小方差的线性无偏估计量。（） 试比较说明模型存在异方差时，普通最小二乘法与加权最小二乘法的区别与联系。 多重共线性的存在会降低普通最小二乘估计的方差 对于多元线性回归模型中的参数，可以用普通最小二乘法、最大似然估计法和矩估计法进行估计，下列说法正确的是（ ）。 在给定经典线性回归的假定下，最小二乘估计量是具有最小方差的线性无偏估计量。(    ) 利用最小二乘法对多元线性回归进行参数估计时，其目标为()。 如果回归模型违背了同方差假定，最小二乘估计量是有偏无效的。（ ） koyck变换模型参数的普通最小二乘估计量是（ ）。 存在异方差时，普通最小二乘法通常会高估参数估计量的方差。 运用加权最小二乘法（WLS）对异方差模型进行回归不需要用到OLS。（） 存在多重共线性时，若使用普通最小二乘法估计线性回归方程，则回归系数的估计是（） 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（） 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。( ) 在满足一系列基本假设的情况下，模型结构参数的最大似然估计量与普通最小二乘估计量是相同的