在任何情况下OLS估计量都是待估参数的最优线性无偏估计。（ ）

在古典假设成立的条件下用OLS方法估计线性回归模型参数，则参数估计量具有（ ）的统计性质。 当经典假设满足时，普通最小二乘估计量具有最优线性无偏特征（） 中国大学MOOC: 在异方差的情况下，参数估计量仍是无偏的，其原因是 如果估计量的期望值等于被估参数，这个估计量就称为被估参数的无偏估计量。(  ) 异方差情况下，通常的OLS估计一定高估了估计量的标准差。 异方差情况下，通常的OLS估计一定高估了估计量的标准差（） 线性回归模型的随机误差项不服从正态分布,OLS估计量将是有偏的 存在异方差情况下，线性回归模型的结构参数的普通最小二乘估计量是有偏的和非有效的。 如果估计量的期望值等于被估参数，这个估计量就称为被估参数的（）。 如果估计量的期望值等于被估参数，这个估计量就称为被估参数的（ ） 模型存在自相关性时，OLS估计量仍是无偏的，其原因是 模型结构参数的最大似然估计量具有线性性、无偏性、有效性，随机干扰项方差的最大似然估计量是有偏的。 大样本情况下，总体平均值的无偏、有效、一致估计量是( )。   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。 如果估计量的期望值等于被估参数，这个估计量就称为被估参数的(    )。 在存在异方差情况下，常用的OLS法总是高估了估计量的标准差。 OLS参数估计量具有如下统计性质，即、、。 完全多重共线性下参数估计量 存在异方差情况下，普通最小二乘估计量依然是无偏和有效的（） 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。（ ）