在模型有异方差的情况下,常用的估计方法是( )

在存在异方差情况下，常用的OLS法总是高估了估计量的标准差。 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。( ) 满足基本假设情况下，应用OLS法估计模型，回归平方和与随机误差项的方差之比ESS/σ2服从（） 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。 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（ ）。 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（ ） 异方差情况下，通常的OLS估计一定高估了估计量的标准差（） 异方差情况下，通常的OLS估计一定高估了估计量的标准差。 在异方差的情况下，参数估计值仍是无偏的，其原因是（ ） 小样本情况下，总体均值的区间估计方法是（　　）。 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（）。 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（） 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（） 线性回归模型常用的参数估计方法是（ ） 线性回归模型常用的参数估计方法是(　　)。 在其他条件不变的情况下，总体数据的方差越大，估计时所需要的样本量()。 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（）。 常用的点估计是用样本均值估计总体均值，用样本比例估计总体比例，用样本方差估计总体方差。