根据最小二乘原理，所估计的模型已经使得拟合误差达到最小，为什么还要讨论模型的拟合优度问题？

在对参数进行最小二乘估计之前，有必要对模型提出古典假定 如果回归模型违背了无自相关假定，最小二乘估计量是（ ） 最小二乘法的原理是，当所有测量数据的（ ）最小时，所拟合的直线最优。 最小二乘法的原理是使得（ ）最小。 最小二乘法的原理是使得（）最小。 最小二乘法的原理是使得()最小。   最小二乘法的原理是使得（ ）最小。 在对参数进行最小二乘估计之前，没有必要对模型提出古典假定。 当模型存在异方差现象进，加权最小二乘估计量具备（ ）。 ?当模型存在异方差现象进，加权最小二乘估计量具备 在对参数进行最小二乘估计之前，没有必要对模型提出古典假定（） 普通最小二乘估计OLS是根据样本残差平方之和最小来估计参数的 最小二乘法的原理是，当所有的测量数据的（）最小时，所拟合的直线最优。 算术平均值原理、最小二乘原理、最小中误差原理？三者存在着什么关系？ 在古典假定都满足的条件下,多元线性回归模型的最小二乘估计为(__)估计 如果回归模型中随机误差项之间存在序列相关，则普通最小二乘估计量不是无偏估计量，也不再具有最小方差的性质。 如果回归模型中随机误差项之间存在序列相关，则普通最小二乘估计量不是无偏估计量，也不再具有最小方差的性质。 如果回归模型中随机误差项之间存在序列相关，则普通最小二乘估计量不是无偏估计量，也不再具有最小方差的性质。   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。 加权最小二乘（WLS）估计量是（ ）估计量。