回归方程的一致性consistency只取决于样本容量

@Louis

OLS（最小二乘法）是估计回归系数b0，b1....bk的方法。

使用OLS的前提时需要满足一系列的假设，详见讲义截图。

例如第二条针对多重共线性，第四条针对异方差，第五条针对序列自相关。这些了解即可，不这么考察。

从考试的角度，这些假设要看熟练，考试的时候很可能是一个分析师说了一句话，涉及到其中的一条假设，让判断对不对。

例如分析师说不需要假设残差项服从正态分布，就是错的。

@Louis

好的，学习加油~

@ Louis

“一致性指随着样本的增加，模型的参数会更接近真实值，模型会越来越准”-------对的。但这个定义二级不会再考了。二级会直接就问某种导致模型有问题的情况会不会影响到一致性。而不会再问一致性是什么。

----------------

“这三点（条件异方差，序列自相关，多重共线性）不影响模型一致性，而model mispecification会影响一致性的原因”-----这个的原因就是我提到的证明，是否影响一致性需要用统计学去证明出来。定性是判断不了的。证明结果是不影响就是不影响。

但这个证明在教材里是不讲的（因为需要其他数学知识太多了）。

所以建议直接记忆结论。

但可以提供一种简单的记忆方法供参考。

条件异方差，序列自相关，多重共线性这三条影响的都是OLS假设，问题不大严重。所以一致性还没有被影响到。

而model mispecification是整个模型压根就用错了，问题严重，那就啥都会被影响到，包括一致性。

这么去记就行，考试只考结论。

同学你好，

这个地方没法定性解释。一致性是一个统计学上的性质，是否影响一致性是需要严格的数学证明的，这个超过了CFA的范围。

二级的考法是定性的考察某种导致模型有问题的情况会不会影响consistency。

所以可以统一记忆一下结论：

①违背OLS假设的三种情况：（条件）异方差，序列自相关，多重共线性都不影响consistency；

②导致模型整体错误的Model misspecification会影响consistency，其中主要提到的一种情况就是omitted variable bias。

考试的时候会列举出以上某种情况，问是否影响一致性，直接选择就可以了。