经典线性回归模型(CLRM)中的误差项如果不服从正态分布,OLS估计量将有偏的。A. 正确B. 错误

本题考查经典线性回归模型（CLRM）中误差项分布对 OLS 估计量性质的影响。解题思路是明确 OLS 估计量无偏性的条件，再分析误差项不服从正态分布时对其的影响。

在经典线性回归模型 $y_i=\beta_0 + \beta_1x_{i1}+\cdots+\beta_kx_{ik}+\mu_i$，$i = 1,2,\cdots,n$ 中，普通最小二乘法（OLS）估计量 $\hat{\beta}$ 具有无偏性的条件是：

1. 零均值假定：$E(\mu_i)=0$，$i = 1,2,\cdots,n$；
2. 同方差假定：$Var(\mu_i)=\sigma^2$，$i = 1,2,\cdots,n$；
3. 无自相关假定：$Cov(\mu_i,\mu_j)=0$，$i\neq j$，$i,j = 1,2,\cdots,n$；
4. 解释变量与误差项不相关假定：$Cov(x_{ij},\mu_i)=0$，$j = 0,1,\cdots,k$，$i = 1,2,\cdots,n$；
5. 不存在完全多重共线性假定。

而误差项是否服从正态分布并不是 OLS 估计量无偏性的必要条件。也就是说，即使误差项不服从正态分布，只要上述五个条件满足，OLS 估计量仍然是无偏的。所以“经典线性回归模型(CLRM)中的误差项如果不服从正态分布，OLS 估计量将有偏的”这一说法是错误的。