回归模型y=Xβ+μ存在近似共线性，如果使用普通最小二乘法估计其中的参数，那么参数估计量的方差会（ ）。

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（） 多重共线性的补救措施主要有（）。Ⅰ．剔除变量法Ⅱ．变换模型形式Ⅲ．利用非样本先验信息Ⅳ．加权最小二乘法 如果股指期货回归模型中解释变量之间存在完全的多重共线性，则最小二乘估计量（） 回归分析中通常采用最小二乘法，下列关于最小二乘法的说法，错误的是（）。 在最小二乘法线性回归方程式中a表示吸光度（） 下列哪些方法是多重共线性的补救措施: 加权最小二乘法|在模型中删除共线变量：找出模型中的完全线性关系，利用完全线性关系代入待估计模型，消去（删除）共线变量|增加样本容量：在计量经济模型中，如果变量样本数据太少，很容易产生多重共线性。在这种情况下，增加样本容量，将有助于减弱，甚至消除多重共线性。|逐步回归法 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()。 在一元线性回归中，通过最小二乘法求得的直线叫做回归直线或()。 最小二乘法不能用于非线性函数。 多重共线性的存在会降低普通最小二乘估计的方差 简述回归分析法最小二乘法的思路。 使用普通最小二乘法在对自回归模型进行估计时，若随机误差项满足经典线性回归模型的所有假定，则估计量是一致估计量的模型是（） 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（）。 最小二乘法 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。 如果回归模型中存在多重共线性，则( ） 最小二乘法是指各实测点到回归直线的（） 最小二乘法确定直线回归方程的原则是（　） 用最小二乘法估计出回归方程的回归系数为（　　）。 如果模型中的解释变量存在完全的多重共线性，参数的最小二乘估计量是（ ）