参数 beta 的估计量 hat(beta) 具备有效性是指 ()A. (var)(hat(beta)) = 0B. (var)(hat(beta)) 为最小C. (hat(beta) - beta) = 0D. (hat(beta) - beta) 为最小

本题考查参数估计量有效性的概念。解题思路是明确参数估计量有效性的定义，然后根据定义逐一分析各个选项。

有效性的定义

在参数估计中，有效性是衡量估计量优良性的一个重要标准。如果一个估计量 $\hat{\beta}$ 是参数 $\beta$ 的有效估计量，那么在所有无偏估计量中，它的方差是最小的。

对各选项的分析

• 选项A：
  方差 $\text{var}(\hat{\beta}) = 0$ 意味着估计量 $\hat{\beta}$ 是一个常数，即无论样本如何变化，估计值都不会改变。这在实际情况中几乎是不可能的，因为估计量通常是基于样本数据计算得到的，样本数据的变化会导致估计值的变化，所以该选项错误。
• 选项B：
  根据有效性的定义，当 $\text{var}(\hat{\beta})$ 为最小时，说明在所有无偏估计量中，该估计量的离散程度最小，也就是最稳定，符合有效估计量的要求，所以该选项正确。
• 选项C：
  $(\hat{\beta} - \beta) = 0$ 表示估计值 $\hat{\beta}$ 恰好等于真实参数值 $\beta$。但在实际的抽样过程中，由于样本的随机性，估计值几乎不可能恰好等于真实参数值，所以该选项错误。
• 选项D：
  $(\hat{\beta} - \beta)$ 是估计误差，它是一个随机变量，其取值会随着样本的不同而变化。我们通常关注的是估计误差的期望和方差等统计性质，而不是让估计误差本身为最小，因为这在实际中无法实现，所以该选项错误。