如果回歸模型違背了同方差假定，最小二乘估計(jì)量是有偏無(wú)效的。

異方差會(huì)使OLS估計(jì)量的標(biāo)準(zhǔn)誤差高估，而自相關(guān)會(huì)使其低估。

擬合優(yōu)度R2的值越大，說(shuō)明樣本回歸模型對(duì)總體回歸模型的代表性越強(qiáng)。

線性回歸是指解釋變量和被解釋變量之間呈現(xiàn)線性關(guān)系。

為了避免陷入虛擬變量陷阱，如果一個(gè)定性變量有m類，則要引入m個(gè)虛擬變量。

在同一時(shí)間不同統(tǒng)計(jì)單位的相同統(tǒng)計(jì)指標(biāo)組成的數(shù)據(jù)組合，是（）

引入虛擬變量后，用普通最小二乘法得到的估計(jì)量仍是無(wú)偏的。

在存在異方差情況下，常用的OLS法總是高估了估計(jì)量的標(biāo)準(zhǔn)差。

計(jì)量經(jīng)濟(jì)模型分析經(jīng)濟(jì)問(wèn)題的基本步驟。

在任何情況下OLS估計(jì)量都是待估參數(shù)的最優(yōu)線性無(wú)偏估計(jì)。