（简答题）
为什么在对参数进行最小二乘估计之前，要对模型提出古典假定？
正确答案
在古典假定条件下，OLS估计得到的参数估计量是该参数的最佳线性无偏估计，具有无偏性、有效性、线性。总之，作古典假定是为了使所作出的估计具有较好的统计性质和方便地进行统计推断。
答案解析
略
相似试题
（简答题）
为什么在对参数作最小二乘估计之前，要对模型提出古典假设？
（判断题）
在对参数进行最小二乘估计之前，没有必要对模型提出古典假定。
（简答题）
为什么说最小二乘估计量是最优线性无偏估计量？对于多元线性回归最小二乘估计的正规方程组，能解出唯一的参数估计量的条件是什么？
（简答题）
在对某国“实际通货膨胀率（Y）”与“失业率（X1）”、“预期通货膨胀率（X2）”的关系的研究中，建立模型Yi=β0+β1X1i+β2X2i+μi，利用EViews软件进行参数估计，得到了如下估计结果： 随机误差项的方差的普通最小二乘估计值是多少？
（单选题）
koyck变换模型参数的普通最小二乘估计量是（）。
（判断题）
模型结构参数的普通最小二乘估计量具有线性性、无偏性、有效性，随机干扰项方差的普通最小二乘估计量也是无偏的。
（单选题）
用矩阵形式表示的广义最小二乘参数估计量为，此估计量为（）。
（多选题）
假设线性回归模型满足全部基本假设，则其最小二乘回归得到的参数估计量具备（）。
（判断题）
存在多重共线情况下，多元线性回归模型的结构参数的普通最小二乘估计量不再是最佳线性无偏估计。
