（多选题）
当模型中解释变量间存在高度的多重共线性时（）。
A各个解释变量对被解释变量的影响将难以精确鉴别
B部分解释变量与随机误差项之间将高度相关
C估计量的精度将大幅度下降
D估计对于样本容量的变动将十分敏感
E模型的随机误差项也将序列相关
正确答案
答案解析
略
相似试题
（单选题）
如果回归模型中解释变量之间存在完全的多重共线性，则最小二乘估计量（）
（单选题）
如果模型中的解释变量存在完全的多重共线性，参数的最小二乘估计量是（）
（判断题）
在模型中引入解释变量的多个滞后项容易产生多重共线性。
（判断题）
变量的两两高度相关并不表示高度多重共线性，变量不存在两两高度相关表示不存在高度多重共线性。
（单选题）
经验认为某个解释与其他解释变量间多重共线性严重的情况是这个解释变量的VIF（）。
（单选题）
当模型存在严重的多重共线性时，OLS估计量将不具备（）
（单选题）
经验认为，某个解释变量与其他解释变量间多重共线性很严重的判别标准是这个解释变量的方差扩大因子VIF（）
（多选题）
如果模型中解释变量之间存在共线性，则会引起如下后果（）
（简答题）
判断以下陈述的正误，并给出理由。 （1）尽管存在多重共线性，OLS估计量仍然是具有BLUE性质的。 （2）在高度多重共线性的情形下，要评价一个或多个偏回归系数的个别显著性是不可能的。 （3）如果有某一辅助回归显示出高的R2值，则模型中肯定存在较严重的多重共线性问题。 （4）变量的两两高度相关并不表示高度的多重共线性。 （5）如果分析的目的仅仅是预测，则多重共线性是无害的。 （6）其它条件不变，VIF越高，相应的OLS估计量的方差越大。 （7）在多元回归中，如果根据t检验，全部的偏回归系数个别来说都是不显著的，那么就不可能得到一个较高的R2。
