Considere o modelo de regressão linear múltipla para dados seccionais y = \beta_0 + \beta_1 x_{1i} + \beta_2 x_{2i} + \cdots + \beta_k x_{ki} + u_i, i = 1, \ldots, n. É correto afirmar que:
Para que os estimadores de mínimos quadrados sejam os melhores estimadores lineares não-tendenciosos é necessário que os erros sejam normalmente distribuídos;
A hipótese que \text{Var}(u_i | x_{1i}, x_{2i}, \ldots, x_{ki}) = \sigma^2, i = 1, \ldots, n, não é necessária para que os estimadores de mínimos quadrados sejam consistentes;
A inclusão de uma nova variável explicativa no modelo reduzirá o coeficiente de determinação R^2;
Para que as estatísticas t e F sejam válidas assintoticamente é necessário que os erros sejam normalmente distribuídos;
Se \text{Cov}(x_{1i}, x_{3i}) \neq 0, i = 1, \ldots, n os estimadores de mínimos quadrados ordinários da regressão y_i = \beta_0 + \beta_1 x_{1i} + \beta_2 x_{2i} + \cdots + \beta_k x_{ki} + u_i, i = 1, \ldots, n, serão tendenciosos.