线性概率模型参数估计的随机误差项不服从正态分布

如果多元回归的四个经典假设条件（参数线性，随机抽样，零条件均值，不存在完全多重共线性）满足，那么OLS估计量满足

A、如果n>25,估计量是正态分布的

B、是BLUE

C、如果误差项是同方差，那么估计量一定是正太分布

D、是无偏且一致的估计量

时间序列回归中OLSE的有限样本性质为无偏性，有效性，正态性。

在总体回归函数中引入随机误差项的原因是（ ）

A、代表未知的影响因素

B、代表残缺数据

C、代表众多小的影响因素

D、代表数据观测误差

E、代表模型设定误差

线性回归模式的假设之一是，误差项ei是（）随机变量，其均值为零，均方差为一常数。

如果解释变量与随机误差项同期不相关，但异期相关，得到的参数估计量是有偏一致估计量。

对于线性回归模型为了进行统计推断，通常假设模型中各随机误差项的方差（ ）。

A、均等于0

B、均相等

C、不相等

D、均不为0

残差的均值为0.

关于多元线性回归模型中，对误差项的基本假定有（）

A、误差项是非随机变量或是固定的

B、误差项是一个期望值为0的随机变量

C、误差项是服从正态分布的随机变量

D、误差项之间是相互独立的

E、误差项之间不一定相互独立

此题为判断题(对，错)。