Jenny2021-10-08 11:40:16

同学你好，不影响b1的计算，但b1不再是best了，best可以这么理解，在回归过程中，经过无数次模拟，找到所有线性无偏系数估计量中方差最小的那组系数估计量，这组估计量就符合best的性质。但是因为异方差的存在，残差项的方差是一直在变化的，所以总体方差也是在变动的，就很难确定最小方差，从而给得出系数估计量造成困难，所以系数的误差，也就是SE，是增加的，因为系数的估计量可能更不准了（误差扩大）。所以它影响的不是b1，而是b1的标准误，从而使得b1不再是best的。
陈述II中，说的是最小一乘法。可以简单理解为，实际数据和估计量的差异的绝对值的加总；最小二乘法是实际数据和估计量的差异的平方加总；如果存在很多outliers的话，平方会加剧它们对模型回归的影响，所以最小一乘法比较合适。