引入虚拟变量后，用普通最小二乘法得到的估计量仍是无偏的。（　）A. 正确B. 错误

考查要点：本题主要考查对普通最小二乘法（OLS）估计量无偏性的理解，以及虚拟变量引入后模型假设的适用性。

核心思路：
在满足经典线性回归模型（CLRM）假设的前提下，OLS估计量是无偏的。关键点在于判断引入虚拟变量后是否破坏了这些假设。

1. 虚拟变量的作用：虚拟变量用于反映定性因素，其赋值（如0/1）不会改变模型的线性结构，只要模型正确设定，OLS仍适用。
2. 无偏性的条件：若模型包含所有相关变量，且解释变量与误差项不相关，则OLS估计量无偏。
3. 常见误区：需注意虚拟变量可能引发多重共线性，但这属于估计量方差问题，而非无偏性。

详细解答：

1. 模型假设的验证：
   OLS估计量无偏的核心条件是解释变量严格外生（即误差项与解释变量不相关）。引入虚拟变量后，若模型正确包含所有相关变量，且虚拟变量与其他解释变量无遗漏或错误设定，则误差项仍满足外生性。
2. 虚拟变量的性质：
   虚拟变量作为二元指示变量，其取值不影响OLS的基本假设。只要模型形式正确（如无遗漏变量、正确设置交互项等），OLS的无偏性成立。
3. 结论：
   在正确设定的模型中，引入虚拟变量不会破坏OLS的无偏性，因此答案为正确。