解释概念：OLS估计量。
运用最小二乘法法计算出的总体回归参数的估计量。
举一反三
- 自相关性产生的后果主要包括： A: OLS估计量是有偏的。 B: OLS估计量仍是无偏的。 C: OLS估计量是有效的。 D: OLS估计量不再是有效的。 E: OLS估计假设检验仍然可靠。 F: OLS估计的假设检验不可靠。
- 序列相关性产生的后果主要包括： A: OLS估计量是有偏的。 B: OLS估计量仍是无偏的。 C: OLS估计量是有效的。 D: OLS估计量不再是有效的。 E: 标准误的OLS估计量是有偏的。 F: OLS估计假设检验仍然可靠。 G: OLS估计的假设检验不可靠。
- 异方差性产生的后果主要包括： A: OLS估计量是有偏的。 B: OLS估计量仍是无偏的。 C: OLS估计量仍是有效的。 D: OLS估计量不再是有效的。 E: OLS估计量失去了最小方差性。 F: 模型的预测功能失效。 G: OLS估计假设检验仍然可靠。 H: OLS估计的假设检验不可靠。
- 异方差性产生的后果主要包括： A: OLS估计量是有偏的。 B: OLS估计量仍是无偏的。 C: OLS估计量仍是有效的。 D: OLS估计量不再是有效的。 E: 标准误的OLS估计量是有偏的。 F: 标准误的OLS估计量是无偏的。 G: OLS估计假设检验仍然可靠。 H: OLS估计的假设检验不可靠。
- OLS估计量是关于解释变量的线性函数。
内容
- 0
OLS估计量具有的三个性质线性、无偏性与有效性的估计量成为——估计量
- 1
对广义差分变换后的模型进行OLS估计，得到的OLS估计量有偏
- 2
在任何情况下OLS估计量都是待估参数的最优线性无偏估计。
- 3
异方差情况下，通常的OLS估计一定高估了估计量的标准差
- 4
若适应预期模型用OLS估计,则估计量将有偏,但一致。( )