对一元线性回归模型Yi=β0＋β1Xi－μi，试证明普通最小二乘估计量在所有线性无偏估计量中具有最小方差。

一元线性回归模型，Yi=β0+β1X1+μi(i=1，…，n)中，总体方差未知，检验H0:β1=0时，所用的检验统计量服从()。

A．F(1，n-2)

B．t(n-1)

C．F(1，n-1)

D．t(n)

A、E(ut)=0

B、var(ut)=σ2

C、cov(ut,us)=0

D、cov(xt,ut)=0

E、ut服从分布N(0,σ2)

如果真实的模型是Y_i=β₁X_i-μ_t，但你却拟合了一带截距项的模型

Y_i=α₀+α₁X_i+v_i

试评述这一设定误差的后果。

对于涉及到三个变量Y，X₁，X₂的数据做以下回归：

(1)Y_i=α₀+α₁X_1i+μ_1i

(2)Y_i=β₀+β₁X_2i+μ_2i

(3)Y_i=γ₀+γ_iX_1i+γ₂X_2i+μ_3i

问在什么条件下才能有，即多元回归与各自的一元回归所得的参数估计值相同。

A.二元线性回归

B.二元二次线性回归

C.多元线性回归

D.一元线性回归

下面数据是依据10组X和Y的观察值得到的：

∑Y_i=1110，∑X_i=1680，∑X_iY_i=204200

假定满足所有的经典线性回归模型的假设。求：

(1)β₁和β₂？

(2)β₁和β₂的标准差？

(3) R²？

(4)对β₁、β₂分别建立95%的置信区间？利用置信区间法，你可以接受零假设:β₂=0吗？

A.H₀:β₀=β₁=0，并运用F检验

B.H₀:β₁=0，并运用F检验

C.H₀:β₁=0，运用T检验

D.B和C都是正确的，可以仍选其一进行检验