如果模型中存在序列自相关现象，则有如下后果（ ）A.参数估计值有偏B.参数估计值的方差不能正确确定C.变量的显著性检验失效D.预测精度降低E.参数估计值仍是无偏的
在异方差的情况下，参数估计值仍是无偏的，其原因是（ ）A.零均值假定成立B.序列无自相关假定成立C.无多重共线性假定成立D.解释变量与随机误差项不相关假定成立
在序列自相关的情况下，参数估计值的方差不能正确估计的原因是（ ）
当模型存在异方差性时，对参数估计量的影响包括（ ）。A.参数估计量非有效B.变量的显著性检验失去意义C.模型的预测失效D.参数估计量的方差被低估E.参数估计量的方差被高估
回归模型中具有异方差性时，仍用OLS估计模型，则以下说法正确的是（ ）A.参数估计值是无偏非有效的B.参数估计量仍具有最小方差性C.常用F检验失效D.参数估计量是有偏的
如果模型中存在异方差现象，则会引起如下后果（ ）A.参数估计值有偏B.参数估计值的方差不能正确确定C.变量的显著性检验失效D.预测精度降低E.参数估计值仍是无偏的
如果模型中解释变量之间存在共线性，则会引起如下后果（ ）A.参数估计值确定B.参数估计值不确定C.参数估计值的方差趋于无限大D.参数的经济意义不正确E.DW统计量落在了不能判定的区域
总体方差未知，可以用（ ）作为总体方差的估计值，实现对总体平均数的估计A.sB.C.D.
在异方差的情况下，参数估计值的方差不能正确估计的原因是（）AABBCCDD
如果模型中解释变量之间存在共线性，则会引起如下后果（）A、 参数估计值确定B、 参数估计值不确定C、 参数估计值的方差趋于无限大D、 参数的经济意义不正确E、 DW统计量落在了不能判定的区域
如果模型中存在序列自相关现象，则有如下后果（）A、参数估计值有偏B、参数估计值的方差不能正确确定C、变量的显著性检验失效D、预测精度降低E、参数估计值仍是无偏的
当模型存在异方差性时，对参数估计量的影响包括（）。A、参数估计量非有效B、变量的显著性检验失去意义C、模型的预测失效D、参数估计量的方差被低估E、参数估计量的方差被高估
如果模型中存在异方差现象，则会引起如下后果（）A、 参数估计值有偏B、 参数估计值的方差不能正确确定C、 变量的显著性检验失效D、 预测精度降低E、 参数估计值仍是无偏的
在异方差的情况下，OLS估计量误差放大的原因是从属回归的2R变大。
异方差情况下将导致（）A、参数估计量是无偏的，但不是最小方差无偏估计B、参数显著性检验失效C、模型预测失效D、参数估计量是有偏的，且方差不是最小的E、模型预测有效
估计量方差越大，说明（ ）。A、用可能的样本估计值之间的差异越小B、用样本统计量估计总体参数的效率就越高C、抽样误差越大D、不能说明以上问题
在异方差的情况下，参数估计值仍是无偏的，其原因是（）A、零均值假定成立B、序列无自相关假定成立C、无多重共线性假定成立D、解释变量与随机误差项不相关假定成立
自相关性的影响主要有（）。A、OLS参数估计值仍是无偏的B、OLS参数估计值不再具有最小方差性C、随机误差项的方差一般会低估D、模型的统计检验失效E、区间估计和预测区间的精度降低
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。
在序列自相关的情况下，参数估计值仍是无偏的，其原因是（）A、 无多重共线性假定成立B、 同方差假定成立C、 零均值假定成立D、 解释变量与随机误差项不相关假定成立
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。
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。
回归模型中具有异方差性时，仍用OLS估计模型，则以下说法正确的是（）A、 参数估计值是无偏非有效的B、 参数估计量仍具有最小方差性C、 常用F检验失效D、 参数估计量是有偏的
总体参数真值与（）之间的差异称为误差。A、个体参数值B、样本估计值C、总体方差D、个体方差
多选题异方差情况下将导致（）A参数估计量是无偏的，但不是最小方差无偏估计B参数显著性检验失效C模型预测失效D参数估计量是有偏的，且方差不是最小的E模型预测有效
单选题估计量方差越大，说明（ ）。A用可能的样本估计值之间的差异越小B用样本统计量估计总体参数的效率就越高C抽样误差越大D不能说明以上间题
单选题总体参数真值与()之间的差异称为误差。A个体参数值B样本估计值C总体方差D个体方差
