一致性是参数的矩估计和最大似然估计的判断标准。

在使用线性回归模型（OLS）时，选项 D: 查全率 是无需特别关注的情况。以下是专业分析：

| 选项 | 分析 |
|------------|--------------------------------------------------------------------------------------------------------------------------------------|
| A: 异方差性 | 异方差性指的是误差项的方差不是恒定的。这会导致OLS估计量仍然无偏但是不再具有效率性，且t检验和F检验的结果可能不再可靠。因此，在OLS中需要关注异方差性。 |
| B: 多重共线性 | 多重共线性指自变量之间存在高度相关性。这会导致回归系数的不稳定性，影响模型的解释能力。因此，在OLS中需要关注多重共线性问题。 |
| C: 残差自相关性 | 残差自相关性意味着误差项之间存在相关性，这在时间序列数据中尤为常见。这会导致OLS估计量不再是最小方差无偏估计量，影响假设检验的准确性。因此，残差自相关性需要得到关注。 |
| D: 查全率 | 查全率通常用于评估分类模型的性能，衡量模型检测出正例的能力。在OLS回归分析中，查全率不是关注的重点，因为线性回归主要关注的是自变量和因变量之间的线性关系的估计和解释。 |

因此，D: 查全率与线性回归模型的应用场景不直接相关，不是OLS模型中需要特别关注的统计假设或问题。