如果线性回归模型中存在完全的多重共线性,则最小二乘估计量( )
A: 不确定,方差无限大
B: 确定,方差无限大
C: 不确定,方差最小
D: 确定,方差最小
A: 不确定,方差无限大
B: 确定,方差无限大
C: 不确定,方差最小
D: 确定,方差最小
举一反三
- 如果回归模型中解释变量之间存在完全共线性，则最小二乘估计量( )。 A: 不确定，方差无限大 B: 确定，方差无限大 C: 不确定，方差最小 D: 确定，方差最小
- 如果回归模型中解释变量之间存在完全的多重共线性,则最小二乘估计量的值为() A: 确定,方差最小 B: 不确定,方差最小 C: 确定,方差无限大 D: 不确定,方差无限大
- 线性回归模型存在异方差时,最小二乘估计量仍然是有效的。
- 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
- 古典线性回归模型的普通最小二乘估计量的特性有（ ）。 A: 不一致性 B: 无偏性 C: 线性 D: 最小方差