A.戈里瑟检验
B.冯诺曼比检验
C.回归检验
D.DW检验

A.利用OLS法得到回归估计量是线性、无偏的
B.利用OLS法得到回归估计量不是有效的
C.T检验和F检验的结果不可靠
D.拟合程度R2能测度样本点与样本回归函数之间真实情况

A.时间序列数据的回归模型要注意检验残差项的自相关性
B.截面数据的回归模型要注意检验残差项的自相关性
C.u^t=p*u^t-1+vi是滞后一阶的自回归模型
D.模型Yt=b1+b2pt-1+ut残差项容易产生自相关性

A.经济数据的惯性作用
B.规模效应
C.数据的平滑、外推和内插
D.选择的模型偏误

A.异方差Park和Glejser检验法都给出了可参考的方差结构
B.利用Park和Glejser检验的方差结构一定能有效消除异方差
C.Glejser检验结出的方差结构比较粗糙
D.在经济学中，通常对变量取对数或变量变换来修改异方差

A.方差=A*Xi，选择权重W=1/（Xi）^（-0.5）
B.方差=A*Xi2，选择权重W=1/Xi
C.方差=A*f（Xi），选择权重W=1/f（Xi）^（-0.5）
D.方差=A*f（Xi），选择权重W=1/（Xi）^（-0.5）

A.不同Xi所对应的总体残差方差已知，利用加权最小二乘法来消除异方差
B.不同Xi所对应的样本残差的方差结构已知，利用GLS来消除或降低异方差
C.不同Xi所对应的样本残差的方差结构已知，利用OLS法来消除异方差
D.根据具体问题，可以考虑选择不同的模型变换来消除异方差性

A.Yi^为负数，而B2为偶数，Park检验依然可行
B.对ui^2=B1*（Yi^）B2两边取自然对数线性化，然后再检验
C.原假设：B2=0，拒绝了原假设，则说明存在异方差
D.Park检验法还检验了异方差的结构形式

A.图示验法
B.回归检验法
C.White检验法
D.DW检验

A.异方差性
B.多重共线性
C.序列相关
D.设定误差

A.OLS法得到的估计量是线性的、无偏的
B.样本方差依然是真实总体方差的无偏估计量
C.T检验和F检验的结果可能会失效
D.OLS法得到的估计量不再具有最小方差性