持续更新中…
-
当异方差出现时，最小二乘估计是有偏的且不具有有效性
(×)，无偏且具有有效性
- 当异方差出现，t检验F检验失效（√）
-
如果回归结果的残差表现出系统性，则表明有异方差
(×)，多重共线性，自相关也会这样
-
如果回归模型遗漏了一个**重要变量**，则残差必然表现出明显的趋势(√)
既然是重要变量，还是不能随便去除的。否则回归就会有异常。
-
经典线性回归模型（CLRM）中的干扰项不服从正态分布的，OLS 估计量将是有
偏的。
(×)即使经典线性回归模型中的干扰项不服从正态分布，**OLS**估计量仍然是**无偏的**。因为，该表达式成立与否与正态性无关。
-
半对数模型Y=A+BLnX+\mu中，参数B的含义是 的绝对量变化,引起Y 的绝对量变化。(×)
这个如果你不懂的话我建议你理解一下下面这个公式，
- 双变量模型中，对样本回归函数整体的显著性检验与斜率系数的显著性检验是一致的。(√)
-
在异方差性的情况下，常用的OLS法高估了估计量的标准误差。
(×)，可能高估可能低估
-
解释变量与随机误差项相关，是产生多重共线性的主要原因。(×)
产生多重共线性的主要原因是：经济本变量大多存在共同变化趋势；模型中大量采用滞后变量；认识上的局限使得选择变量不当
-
虚拟变量原则上只能取0，1
（√），一般来说是这样。后面会发一些澄清虚拟变量的知识
-
外生变量决定了内生变量
（√），内生变量是模型内部存在的固定的一个有概率值的变量，**由外生变量决定**，不改变外生变量就难以改变内生变量。