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。（）

当存在异方差现象时，估计模型参数的适当方法是（） 当存在异方差现象时，估计模型参数的适当方法是（ ） 计粱经济学模型一旦出现异方差性，OLS估计良就不再具备无偏性了。（） 所谓OLS估计量的无偏性就是估计值正好等于被估计值 计量经济学模型一旦出现异方差性，OLS估计量就不再具备无偏性了。（ ） 下列说法正确的有: 如果OLS回归的残差表现出系统性，则说明数据中不存在异方差性|如果回归模型中遗漏一个重要变量，则OLS残差必定表现出明显的趋势|异方差情况下，通常的OLS估计一定高估了估计量的标准差|当异方差出现时，常用的t和F检验失效|当异方差出现时，最小二乘估计是有偏的和不具有最小方差特性 在异方差的情况下，参数估计值仍是无偏的，其原因是（ ） 采用OLS法估计具有异方差模型的参数估计量是无效的 采用OLS法估计具有异方差模型的参数估计量是有偏的 如果模型存在异方差性，最常用的参数估计方法是（ ）。 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( ) 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（ ） 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（）。 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 已知二元线性回归模型估计的残差平方和为Σe2i=800，估计用样本容量为n=23，则随机误差项μt的方差的OLS估计值为（）。 当模型存在异方差时，我们可以采用异方差 OLS的基本思想是运用模型求得的数据与实际数据之间误差的平方和为最小使参数估计值“尽可能地接近”总体参数真实值。 模型中引入实际上与解释变量有关的变量，会导致参数的OLS估计量方差（ ）。 为了可以降低异方差性的影响，还可以对模型进行对数变换，即将解释变量和被解释变量分别取对数后，再做OLS估计，这样通常可以降低异方差性的影响。（）