第二章 一元回归方程的估计及分布理论：本章将为学生理解计量经济学的估计和抽样分布的基本思想和方法打下坚实的基础。学生将掌握一元回归方程的基本形式与假设，理解并运用普通最小二乘和矩估计两种估计方法，并对估计结果进行分析和评价；学会推导估计量的期望，方差，分布等性质。2.1简单回归模型的形式及基本术语:简单回归模型的形式及基本术语[单选题]估计量具有抽样分布的原因是：选项:[在给定X的情况下，误差项的不同实现会导致Y的取值有所不同, 经济数据是不精确的, 在现实数据中你往往会重复得到多组样本, 不同的人可能有不同的估计结果]
2.2一元回归方程的估计:一元回归方程的估计
2.3OLS估计量的统计性质:OLS估计量的统计性质
[单选题]在一个带截矩项的一元线性模型中，下列哪条OLS的代数性质不成立？选项:[解释变量与残差之间的样本协方差为零, 回归线总是经过样本均值(
), 残差项的和为0, 误差项的均值为0]
[判断题]回归模型
不可以用OLS估计，因为它是一个非线性模型。选项:[错, 对][单选题]误差项的异方差会影响OLS估计量的 选项:[线性性, 一致性, 最优性
, 无偏性
]
[单选题]将因变量的值扩大10，将自变量的值同时扩大100，则：选项:[斜率的估计值不变, OLS估计量的方差不变, 截矩的估计值不变, 回归的R^2不变]
[判断题]拟合优度没有单位。选项:[错, 对]
[判断题]过原点的回归模型中，残差项之和也一定等于0。选项:[对, 错]
[单选题]在简单回归模型中，u 一般用来表示 选项:[变量
, 误差项
, 残差项, 系数
]
[单选题]OLS估计量是通过（）推导的：选项:[最小化残差的平方之和, 最小化残差之和, 最小化残差绝对值之和, 将对应Xi的最小值的Yi与对应Xi的最大值的Yi相连]
