如果在回归模型中出现随机误差项之间存在相关性，我们称模型出现了序列相关性。（）

回归分析是期货投资分析中重要的统计分析方法，而线性回归模型是回归分析的基础。线性回归模型的基本假设是（  ）。I 被解释变量与解释变量之间具有线性关系Ⅱ 随机误差项服从正态分布Ⅲ 各个随机误差项的方差相同Ⅳ 各个随机误差项之间不相关 若回归模型中的随机误差项存在异方差性，则估计模型参数应采用（）。 若回归模型中的随机误差项存在异方差性，则估计模型参数应采用 [ ] 回归模型中随机误差项产生的原因是什么？ 若回归模型随机误差项的方差为常数的假定不成立，则称模型存在为异方差现象（） 若回归模型随机误差项的方差为常数的假定不成立，则称模型存在为异方差现象（） 在线性回归模型中，假定随机误差ε（）。 若回归模型的随机误差项存在一阶自回归形式的序列相关，则估计参数应采用()。 图示检验法是一种直观的判断方法，它通过直接观察回归模型X与Y的散点图来判断是否存在随机误差项的序列相关性。() 回归模型中的随机误差项主要包括哪些因素的影响？ 可以用来检验随机误差项是否存在序列相关性的常用方法包括（）。 若回归模型随机误差项的方差为常数的假定不成立，则称模型存在为异方差现象。(    ) 如果回归模型中的随机误差项存在异方差，则模型参数的普通最小二乘估计量（）。 ?模型yt=β0+β1xt+ut的随机误差项自相关系数为-2.21，说明该模型存在随机误差项自相关问题。 模型yt=β0+β1xt+ut的随机误差项自相关系数为-2.21，说明该模型存在随机误差项自相关问题（） 一元线性回归模型中随机误差项ε的期望值为（） 在多元线性回归模型的基本假定中，随机误差项满足F分布 如果回归模型中的随机误差项存在异方差，则模型参数的普通最小二乘估计量是（ ）。 如果回归模型中随机误差项之间存在序列相关，则普通最小二乘估计量不是无偏估计量，也不再具有最小方差的性质。 如果回归模型中随机误差项之间存在序列相关，则普通最小二乘估计量不是无偏估计量，也不再具有最小方差的性质。