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（）
A: 变大
B: 变小
C: 不变
D: 不能确定
A: 变大
B: 变小
C: 不变
D: 不能确定
A
举一反三
- 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
- 若回归模型的解释变量之间存在高度共线性，则无法使用普通最小二乘法估计参数。
- 当模型存在异方差时,用加权最小二乘法估计回归参数,则参数估计量具备 A: 线性性 B: 无偏性 C: 有效性 D: 一致性
- 下列关于一元线性回归模型的参数估计，描述正确的是（） A: 若以Y表示实际观测值，表示回归估计值，则普通最小二乘法估计参数的准则是使为零 B: 普通最小二乘法的原理是使回归估计值与实际观测值的偏差尽可能小 C: 若以Y表示实际观测值，表示回归估计值，则普通最小二乘法估计参数的准则是使最小 D: 普通最小二乘法是唯一的估计参数的方法
- 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)。()
内容
- 0
当一个线性回归模型的随机误差项存在序列相关时，直接用普通最小二乘法估计参数，则参数估计量为（） A: 有偏估计量 B: 有效估计量 C: 无效估计量 D: 渐近有效估计量
- 1
普通最小二乘法是事故预测参数模型的参数估计方法，用于计算参数估计值并使（）参数估计方法 A: 残差平方和 B: 方差值 C: 最小的线性回归 D: 方差平方和
- 2
回归模型中随机误差存在异方差性，参数的普通最小二乘估计量是
- 3
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
- 4
存在异方差性时，如果采用OLS法估计模型参数，那么参数估计量是：有偏的。