如图所示，条件异方差，序列自相关与多重共线性都会让多元回归参数的标准误有偏离，前两者让参数估计标准误偏小而多重共线性让参数标准误偏大，疑问有1.参数估计标准误偏小为什么要修正，不是标准误越小越好么？2.老师有讲到这三种assumption violation,不会影响参数的一致性有效性和无偏性，这个我觉得有困惑，不影响一致性可以理解，但是肯定会影响无偏性和有效性，否则无需修正了.3.条件异方与序列自相关修正标准误应该是调整方程各个斜率吧？谢谢

老师好。课后题，对B项有疑问。请问老师，前高管担任公司董事会，对公司管治是加分项还是减分项？前高管是带来了专业性，对公司也更加了解，但是会不会和现在的管理层串通呢。谢谢！

老师您好，reading13课后题第二十四题B选项equity为什么是1750，应该是所有者权益加少数股东损益，不明白少数股东损益320是怎么算出来的？

在讨论非条件和条件异方差时，老师有提到自变量X不应该是随机的，如果是随机的只要不和残差有相关性即可。这个知识点如何解读？

图中关于哑变量，老师在说明斜率即为月份产量差异时，在解释一月份产量时，设b1为1，二月份到十一月斜率均为0，应该是二月到十二月斜率均为0吧?n个哑变量的斜率中，只有一个为1，剩余n-1个均为0,是么？谢谢

图中第四点指的是因为选择新变量a和b,在其相应的adjusted R2 (a) 和adjusted R2 (b)之间进行比较吧？

统计学的基本思路和方法框架是不是通过容量足够大的样本的均值与方差，可以逼近总体真值，这样就可以以样本均值与方差为基础，计算出总体分布中的关键参数，然后对总体或者后续事件进行模拟与估计，一般通过设定值与样本均值有几个标准差的差距进行了概率估计或者假设检验? 但是通过大样本抽样得到的均值与方差是无法进行检验真伪的，因为它们是后续估计的核心参数，于是就存在了一类和二类错误。关于实行操作，以正态分布为例，所有分布的样本均值均服从总体均值为u, 标准误为SEE的正态分布，但这仅仅在理论上成立，往往总体均值不可知，由大数定律与中心极限定理，我们可以用大样本多次抽样的均值代替u从而计算出SEE,而关于SEE，在某些条件下也不允许做多次抽样，这种情况下，只要单次抽样容量足够大（大于30），单次抽样的SD除以容量的平方根可以用来估算代替多次抽样均值的SEE,这样便统一了理论的正确与实践的可行。而且关于总体分布函数，可以通过简单事件的多次试验模拟出来，比如正态分布就是通过二项分布渐近得出。而至于统计学中的等于号，应该理解成趋向于（或者是无偏估计量的概念）而不是数学严格意义上的完全等同，因为统计学的方法是以样本代替总体，样本可以代表总体但不是总体。我的理解有哪些误区？望指正，这样可以更好地理解CFA是如何看待金融市场的。谢谢

F检验统计量f=MSR/MSE,实际计算结果如果大于查表数据，说明的问题是线性回归的解释力度R2已经可以接受了，但是为什么可以等价说明斜率Bi中至少有一个不等于0，这个有什么逻辑?似乎不太严谨。

图中TSS为95.2，为什么sample variance of dependent variable 是TSS/total df=95.2/4=23.8而不是TSS/total observation=95.5/5=19.1?谢谢

老师 聚类那里没听明白，视频中老师讲的聚类定义是“由一组特征值在数据中找相似性，这不就是给labor么？但是聚类是非监督啊”