异方差性的后果包括
A: 参数估计量不再满足无偏性
B: 变量的显著性检验失去意义
C: 模型的预测失效
D: 忽视异方差，直接使用普通最小二乘法得到参数估计量方差较大
A: 参数估计量不再满足无偏性
B: 变量的显著性检验失去意义
C: 模型的预测失效
D: 忽视异方差，直接使用普通最小二乘法得到参数估计量方差较大
举一反三
- 序列相关性的后果包括（）。 A: 参数估计量不再满足无偏性 B: 变量的显著性检验失去意义 C: 模型的预测失效 D: 普通最小二乘法参数估计量方差较大
- 序列相关性的后果包括 ( ) A: 参数估计量不再满足无偏性 B: 变量的显著性检验失去意义 C: 模型的预测失效 D: 普通最小二乘法参数估计量方差较大√
- 异方差性的后果包括( ) A: 参数估计量不再满足无偏性 B: 变量的显著性检验失去意义 C: 模型的预测失效 D: 参数估计量非有效
- 序列相关性的后果包括（）。 A: A参数估计量不再满足无偏性 B: B变量的显著性检验失去意义 C: C模型的预测失效 D: D普通最小二乘法参数估计量方差较大
- 如果模型存在异方差性，仍然使用最小二乘法估计模型参数，则（ ） A: 最小二乘估计量（OLSE）仍然具有线性无偏性 B: OLSE 不再具有最小方差性 C: 回归参数t检验失效 D: 可采用加权最小二乘法消除异方差