OLS模型中原来的参数beta是一个确定的实数真值,不是随机变量。
因为beta是一个固定的值,所以知道beta的“无条件分布”等于知道beta是多少,如果这个都知道那么回归都不需要跑了。
只有估计值betahat才是一个跟着样本变的随机变量。t检验的思想是,这时用这个估计值偏离0的程度和估计值的误差来判断原来的参数不为0的概率。
如果你只是说你知道了随机扰动项的分布形式和方差,而不需要用OLS的残差来估这个方差,那么恐怕你多半已经完全确定了扰动项的分布,那么我建议你不要使用OLS,直接用MLE不香吗?