在存在異方差情況下，常用的OLS法總是高估了估計(jì)量的標(biāo)準(zhǔn)差。

識(shí)別的階條件僅僅是判別模型是否可識(shí)別的必要條件而不是充分條件。

如果回歸模型違背了同方差假定，最小二乘估計(jì)量是（）

引入虛擬變量后，用普通最小二乘法得到的估計(jì)量仍是無(wú)偏的。

為了避免陷入虛擬變量陷阱，如果一個(gè)定性變量有m類，則要引入m個(gè)虛擬變量。

在任何情況下OLS估計(jì)量都是待估參數(shù)的最優(yōu)線性無(wú)偏估計(jì)。

多重共線性是總體的特征。

如果回歸模型違背了同方差假定，最小二乘估計(jì)量是有偏無(wú)效的。

一個(gè)聯(lián)立方程模型中的外生變量在另一個(gè)聯(lián)立方程模型中可能是內(nèi)生變量。

總體回歸線是當(dāng)解釋變量取給定值時(shí)因變量的條件均值的軌跡。