对模型最小二乘回归结果显示，样本可决系数为0.92，样本容量为30，总离差平方和为500，则估计的标准误差为()。

对模型Yi=β0+β0X1i+β2X2i+μi的最小二乘回归结果显示，R2为0.92，总离差平方和为500，则残差平方和为()。 对模型yi＝β0＋β1χ1i＋β2χ2i＋μi的最小二乘回归结果显示，R2为0.92，总离差平方和为500，则残差平方和RSS为（）。 样本可决系数R2的计算公式是（　　）。 对模型Yi＝β0＋β1X1i＋β2X2i＋mi的最小二乘回归结果显示，R2为0.92，总离差平方和为500，则残差平方和RSS为（　　）。 对模型Yi＝β0＋β1X1i＋β2X2i＋mi的最小二乘回归结果显示，R2为0.92，总离差平方和为500，则残差平方和RSS为（） 对模型yi＝β0＋β1x1i＋β2x2i＋μi的最小二乘回归结果显示，R2为0.92，总离差平方和为500，则残差平方和RSS为（） 对模型yi＝β0＋β1x1i＋β2x2i＋μi的最小二乘回归结果显示，R2为0.92，总离差平方和为500，则残差平方和RSS为（　　）。 普通最小二乘估计OLS是根据样本残差平方之和最小来估计参数的 最小二乘法（OLS）是指使（ ）达到最小值的原则确定样本回归方程。 如果回归模型违背了无自相关假定，最小二乘估计量是（ ） 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。 假设线性回归模型满足全部基本假设，最小二乘回归得到的参数估计量具备()。 已知某一直线回归方程的样本可决系数为0.81，则解释变量与被解释变量间的相关系数为（） 已知某一直线回归方程的样本可决系数为0.81，则解释变量与被解释变量间的相关系数为（ ）。 如果回归模型违背了同方差假定，最小二乘估计量是有偏无效的。（ ） 在线性回归中，最小二乘法就是试图找到一条直线，使得所有样本到直线上的（）最小 样本可决系数R2是随抽样而变动的随机变量。() 对于满足基本假定的多元线性回归模型来说，普通最小二乘估计、极大似然估计与矩估计的结果是一样的，原理也是相同的。（） 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（）。 在古典假定都满足的条件下,多元线性回归模型的最小二乘估计为(__)估计