若模型出现序列相关性，仍釆用OLS估计模型参数，则会产生下列不良后果：除了（）Ａ参数估计量的线性和无偏性虽不受影响，但是参数估计量失去有效性；Ｂ模型的显著性检验失去意义；Ｃ模型的预测失效Ｄ多重共线性使得参数估计值不 稳定，并对于样本非常敏感

若多元线性回归模型存在自相关问题，可能产生的不利影响是（）。<br/>Ⅰ.模型参数估计量失去有效性<br/>Ⅱ.参数的OLS估计量的方差变大<br/>Ⅲ.参数估计一量的经济含义不合理<br/>Ⅳ.运用回归模型进行预测会失效 如果模型存在自相关性,则会引起的后果有 中国大学MOOC: 若德宾-沃森d检验未发现序列相关性，回归模型一定不存在序列相关性问题。 序列相关性检验不需要用到OLS,（ ） 采用OLS法估计具有异方差模型的参数估计量是无效的 当模型存在序列相关现象时，适宜的参数估计方法是（ ）。 采用OLS法估计具有异方差模型的参数估计量是有偏的 在古典假设成立的条件下用OLS方法估计线性回归模型参数，则参数估计量具有（ ）的统计性质。 当模型存在异方差性时,OLS估计仍然是有效估计 得到ARMA模型的估计参数后，应对估计结果进行诊断与检验，其中参数估计的显著性检验通过____完成，而模型的优劣以及残差序列的判断是用____完成。（　　） 若回归模型的随机误差项存在一阶自回归形式的序列相关，则估计参数应采用()。 回归模型中具有异方差性时,仍用OLS估计模型,则以下说法正确的是( ) 回归模型中具有异方差性时，仍用OLS估计模型，则以下说法正确的是（ ） 序列相关量指回归模型的随机误差项之间存在某种相关性。（） 如果模型存在个体固定效应，那么对模型应用混合OLS 估计方法，估计量不再具有一致性。 当模型出现异方差性时，参数OLS估计值的变异程度减小，从而造成对被解释变量y的预测误差变大，降低预测精度，这就表明模型的预测功能失效。（） 当模型出现异方差性时，参数OLS估计值的变异程度增大，从而造成对被解释变量y的预测误差变大，降低预测精度，这就表明模型的预测功能失效。（） 模型中引入实际上与其他解释变量线性相关的变量，会导致参数的OLS估计量方差 若回归模型中的随机误差项存在异方差性，则估计模型参数应采用 [ ] 若回归模型中的随机误差项存在异方差性，则估计模型参数应采用（）。