异方差会使OLS估计量的标准误差高估，而自相关会使其低估。

当存在自相关时，OLS估计量是有偏的并且也是无效的。（ ） 样本量越大，估计量的标准误差越小，这一性质反映的是估计量的()   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。 模型存在自相关性时，OLS估计量仍是无偏的，其原因是 计量经济学模型一旦出现异方差性，OLS估计量就不再具备无偏性了。（ ） 采用OLS法估计具有异方差模型的参数估计量是无效的 若多元线性回归模型存在自相关问题，可能产生的不利影响是（　　）I模型参数估计量失去有效性Ⅱ参数的OLS估计量的方差变大Ⅲ参数估计量的经济含义不合理IV运用回归模型进行预测会失效 下列说法正确的有: 如果OLS回归的残差表现出系统性，则说明数据中不存在异方差性|如果回归模型中遗漏一个重要变量，则OLS残差必定表现出明显的趋势|异方差情况下，通常的OLS估计一定高估了估计量的标准差|当异方差出现时，常用的t和F检验失效|当异方差出现时，最小二乘估计是有偏的和不具有最小方差特性 采用OLS法估计具有异方差模型的参数估计量是有偏的 若多元线性回归模型存在自相关问题，可能产生的不利影响是（）<br/>I模型参数估计量失去有效性<br/>Ⅱ参数的OLS估计量的方差变大<br/>Ⅲ参数估计量的经济含义不合理<br/>IV运用回归模型进行预测会失效 随机误差项方差的估计量公式( )。 即使存在多重共线性, OLS估计量仍是无偏估计量 若多元线性回归模型存在自相关问题，可能产生的不利影响是（）。Ⅰ.模型参数估计量失去有效性Ⅱ.参数的OLS估计量的方差变大Ⅲ.参数估计一量的经济含义不合理Ⅳ.运用回归模型进行预测会失效 在评价估计量的标准中，估计量的有效性与其方差无关。（） 模型中引入实际上与其他解释变量线性相关的变量，会导致参数的OLS估计量方差 甲乙是两个无偏估计量，如果甲估计量的方差大于乙估计量的方差，则称 （单选）A、B是两个无偏估计量，如果A估计量的方差小于B估计量的方差，则称（ ） 在严重多重共线性下，OLS估计量仍是最佳线性无偏估计量。 在严重多重共线性下，OLS估计量仍是最佳线性无偏估计量（） 由样本统计量来估计总体参数时，要求估计量的方差尽可能的小，则方差是用来评价估计量标准的（　　）。