加权最小二乘法可以解决异方差性（）

加权最小二乘法是对原模型加权，使之变成一个新的不存在异方差性的模型，然后采用OLS估计其参数是加权最小二乘法基本思想，现在常用的统计或者数学计算软件均支持该算法。（） 广义最小二乘法可同时克服异方差性、序列相关性对参数估计的影响。 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（） 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。 广义最小二乘法和广义差分法都可以用来消除模型中存在的异方差。 最小二乘法 加权最小二乘法克服异方差的主要原理是通过赋予不同观测点以不同的权数，从而提高估计精度，即（ ） 采用加权最小二乘法进行状态估计的解法有()。 最小二乘法又称（）。 最小二乘法用于（　）。 广义最小二乘法 回归分析中通常采用最小二乘法，下列关于最小二乘法的说法，错误的是（）。 对回归模型存在异方差问题的主要处理方法有（　　）。Ⅰ．加权最小二乘法Ⅱ．差分法Ⅲ．改变模型的数学形式Ⅳ．移动平均法 （名词解析）最小二乘法 对回归模型存在异方差问题的主要处理方法有（ ）Ⅰ.加权最小二乘法Ⅱ.差分法Ⅲ.改变模型的数字形式Ⅳ.移动平均法 支路潮流状态估计法的估计精度比加权最小二乘法高（） 支路潮流状态估计法的估计精度比加权最小二乘法高 （ ） （名词解析）间接最小二乘法 最小二乘法的原理是（）。