（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？
正确答案
在对参数作最小二乘估计之前,要对模型提出古典假设。因为模型中有随机扰动，估计的参数是随机变量，只有对随机扰动的分布作出假定，才能确定所估计参数的分布性质，也才可能进行假设检验和区间估计。只有具备一定的假定条件，所作出的估计才具有较好的统计性质。
答案解析
略
相似试题
（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？
（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？
（单选题）
koyck变换模型参数的普通最小二乘估计量是（）。
（简答题）
若要将一个被解释变量对两个解释变量作线性回归分析： 1）写出总体回归函数和样本回归函数； 2）写出回归模型的矩阵表示； 3）说明对此模型的古典假定； 4）写出回归系数及随机扰动项方差的最小二乘估计式，并说明参数估计式的性质。
（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。
