在存在異方差情況下，常用的OLS法總是高估了估計(jì)量的標(biāo)準(zhǔn)差。

多重共線性是總體的特征。

擬合優(yōu)度R2的值越大，說(shuō)明樣本回歸模型對(duì)總體回歸模型的代表性越強(qiáng)。

引入虛擬變量后，用普通最小二乘法得到的估計(jì)量仍是無(wú)偏的。

在異方差的情況下，OLS估計(jì)量誤差放大的原因是從屬回歸的2R變大。

多重共線性是一種隨機(jī)誤差現(xiàn)象。

在任何情況下OLS估計(jì)量都是待估參數(shù)的最優(yōu)線性無(wú)偏估計(jì)。

線性回歸是指解釋變量和被解釋變量之間呈現(xiàn)線性關(guān)系。

在存在接近多重共線性的情況下，回歸系數(shù)的標(biāo)準(zhǔn)差會(huì)趨于變小，相應(yīng)的t值會(huì)趨于變大。

給定顯著性水平a及自由度，若計(jì)算得到的t值超過(guò)臨界的t值，我們將接受零假設(shè)