如果残差项存在正序列相关，为什么回归系数的方差倾向于被低估？

多元线性回归中的序列相关
如果残差项存在正序列相关，为什么ols方法估计出来的回归系数的方差倾向于被“低估”？

正的序列相关使得残差项倾向于集聚，从而使得系数的标准误缩小，从而夸大了 T统计量，使得第一类错误的可能性上升，即在原假设成立时错误的拒绝它，这会使得我们错误的把不显著的结果当成显著的。但系数本身的估计仍是可靠的。

python 回归去掉共线性_CFA二级量化方法分析：线性回归假设的违反，识别与处理！..._weixin_39910963的博客-CSDN博客 CFA二级量化方法重点分析：线性回归假设的违反，识别与处理线性回归分析的有效性依赖于若干假设，这些假设包括：(1)因变量与自变量间存在着线性关系；(2)自变量不是随机变量，且不存在精确的(完全的)线性关系；(3)给定自变量，误差项的条件期望为零；(4)误差项的方差应为常数；(5)误差项之间应相互独立；(6)误差项是正态分布的。以上六个假设如果有一个或多个被违反，则线性回归分析的结果会有问题，最常见... https://blog.csdn.net/weixin_39910963/article/details/110216627