针对存在异方差现象的模型进行估计，下面哪些方法可能是适用的（）。
模型中引入实际上与解释变量有关的变量，会导致参数的OLS估计量方差（）。
如果线性回归模型中随机误差项的方差不是（），则称随机误差项具有异方差性。
当模型存在异方差现象进，加权最小二乘估计量具备（）。
当模型存在异方差现象时，模型利用加权最小二乘法估计回归参数，则参数估计量具备（）。
当模型存在严重的多重共线性时，OLS估计量将不具备（）
对回归模型存在异方差问题的主要处理方法有（）。
当模型存在异方差性时，对参数估计量的影响包括（）。
已知含有截距项的三元线性回归模型估计的残差平方和为，估计用样本容量为，则随机误差项的方差估计量为（）。
如果模型存在个体固定效应，那么对模型应用混合OLS 估计方法，估计量不再具有一致性。
如果回归模型不存在异方差问题，残差图上的点应该呈水平直线分布，不会随x的变化呈现一定的规律变化（）
“似不相关回归”的方法是利用横截面模型残差的协方差进行广义最小二乘法估计，该法将自动修正横截面中出现的异方差和短期自相关
在基本假设下，确定性解释变量线性回归模型参数的OLS估计具有性质（）
在回归模型中，随机误差项不具有相同的方差，则称随机误差的方差为异方差。（)
如果回归模型违背了同方差假定，最小二乘估计量（)。
随机扰动项存在异方差性时，应该使用加权最小二乘法估计回归模型中的参数。
7、若Park检验和GQ检验均未检验出异方差性，回归模型一定不存在异方差问题。
回归模型若存在异方差，常用的处理方法有（）。
10、当使用群聚（clustered）的标准误估计面板数据模型时，我们不需要再单独考虑异方差的影响。
假设存在二元线性回归模型，被解释变量是y，解释变量是x和z，写出进行异方差性white检验的全过程？
若回归模型随机误差项的方差为常数的假定不成立，则称模型存在为异方差现象（）
假设决定y的总体模型是，而这个模型满足假定MLR.1~MLR.4。但我们估计了漏掉x3的模型。回归的OLS
2、模型产生异方差会使参数估计量不再无偏。
1、如果随机误差项存在异方差，则回归模型参数的普通最小二乘估计量
