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。

广义最小二乘法可同时克服异方差性、序列相关性对参数估计的影响。 引入虚拟变量后，用普通最小二乘法得到的估计量仍是无偏的。（ ） 在引入虚拟变量后，普通最小二乘法的估计量只有大样本时才是无偏的（） 含有随机解释变量的线性回归模型，其普通最小二乘法估计量都是有偏的。 用最小二乘法对分布滞后模型进行参数估计时存在什么困难？ 利用最小二乘法对多元线性回归进行参数估计时，其目标为()。 试比较说明模型存在异方差时，普通最小二乘法与加权最小二乘法的区别与联系。 普通最小二乘法 (Ordinary Least Squares，简记OLS)是一元线性回归模型的参数估计方法常采用（） 对于经典线性回归模型，各回归系数的普通最小二乘法估计量具有的优良特性有 对于经典线性回归模型，各回归系数的普通最小二乘法估计量具有的优良特性有（ ）。 当随机解释变量与随机干扰项相关时，如果仍用普通最小二乘法估计，则估计量有偏且非一致。（） 模型结构参数的普通最小二乘估计量具有线性性、无偏性、有效性，随机干扰项方差的普通最小二乘估计量也是无偏的。 中国大学MOOC: 当存在序列相关时，广义最小二乘法的预测结果通常优于普通最小二乘法。 使用最小二乘法获得的参数估计使得所有残差的平方和最小，因此是无偏有效估计。 在经典线性回归模型的基本假定条件成立的情况下，普通最小二乘法估计与最大似然估计得到的估计量（）。 koyck变换模型参数的普通最小二乘估计量是（ ）。 根据最小二乘法估计回归方程参数的原理是（ ）。 广义最小二乘法可消除异方差。 广义最小二乘法可消除异方差。() 在多元经典线性回归模型中，参数的最小二乘估计量具、、，所以此时的最小二乘估计量又称BLUE估计量。