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

異方差會使OLS估計(jì)量的標(biāo)準(zhǔn)誤差高估，而自相關(guān)會使其低估。

為了避免陷入虛擬變量陷阱，如果一個(gè)定性變量有m類，則要引入m個(gè)虛擬變量。

任何兩個(gè)計(jì)量經(jīng)濟(jì)模型的2R都是可以比較的。

線性回歸模型意味著變量是線性的。

當(dāng)存在自相關(guān)時(shí)，OLS估計(jì)量是有偏的并且也是無效的。

異方差問題總是存在于橫截面數(shù)據(jù)中，而自相關(guān)則總是存在于時(shí)間序列數(shù)據(jù)中。

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

將一年四個(gè)季度對被解釋變量的影響引入到包含截距項(xiàng)的回歸模型當(dāng)中，則需要引入虛擬變量的個(gè)數(shù)為（）

整個(gè)多元回歸模型在統(tǒng)計(jì)上是顯著的意味著模型中任何一個(gè)單獨(dú)的變量均是統(tǒng)計(jì)顯著的。