采用OLS法估计具有异方差模型的参数估计量是无效的

当模型存在异方差性时，对参数估计量的影响包括（ ）。 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.参数估计一量的经济含义不合理<br/>Ⅳ.运用回归模型进行预测会失效 进行参数估计时，参数的方差越大，意味着估计量越精确。 若多元线性回归模型存在自相关问题，这可能产生的不利影响包括（ ）。①模型参数估计值非有效②参数估计量的方差变大③参数估计量的经济含义不合理④运用回归模型进行预测会失效 其他条件不变时,估计量抽样分布的方差越小,参数估计更有效。   多重共线性的主要后果是参数估计量具有较大的方差，所以采取适当方法减小参数估计量的方差，可以消除摸型中的多重共线性。( ) 若多元线性回归模型存在自相关问题，这可能产生的不利影响包括（）。<br/>Ⅰ．模型参数估计值非有效<br/>Ⅱ．参数估计量的方差变大<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 模型中引入实际上与解释变量有关的变量，会导致参数的OLS估计量方差（ ）。 在用普通最小二乘法估计回归模型时，存在异方差问题将导致（　　）。Ⅰ．参数估计量非有效Ⅱ．变量的显著性检验无意义Ⅲ．模型的预测失效Ⅳ．参数估计量有偏 在用普通最小二乘法估计回归模型时，存在异方差问题将导致（　　）。Ⅰ参数估计量非有效Ⅱ变量的显著性检验无意义Ⅲ模型的预测失效Ⅳ参数估计量有偏 参数估计量具有较大的方差是多重共线性的主要后果，所以采取适当方法减小参数估计量的方差，仍然没能消除模型中的多重共线性，也没能消除多重共线性造成的后果。（） 参数估计量具有较大的方差是多重共线性的主要后果，所以采取适当方法减小参数估计量的方差，即使没有消除模型中的多重共线性，也确能消除多重共线性造成的后果。（） 在用普通最小二乘法估计回归模型时，存在异方差问题将导致（）。<br/>Ⅰ参数估计量非有效<br/>Ⅱ变量的显著性检验无意义<br/>Ⅲ模型的预测失效<br/>Ⅳ参数估计量有偏 回归模型在近似共线性下参数估计量的方差会增大，方差膨胀因子为1/1-r。（ ） 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（ ）。 在参数估计中，一个估计量的抽样分布的数学期望等于被估计的总体参数，我们说这个估计量具有： 完全多重共线性产生的后果包括参数估计量的方差 若模型出现序列相关性，仍釆用OLS估计模型参数，则会产生下列不良后果：除了（）Ａ参数估计量的线性和无偏性虽不受影响，但是参数估计量失去有效性；Ｂ模型的显著性检验失去意义；Ｃ模型的预测失效Ｄ多重共线性使得参数估计值不 稳定，并对于样本非常敏感 回归模型中具有异方差性时,仍用OLS估计模型,则以下说法正确的是( ) 回归模型中具有异方差性时，仍用OLS估计模型，则以下说法正确的是（ ）