如果回归模型存在严重的多重共线性，可去掉某个解释变量从而消除多重共线性。

判断题多重共线性问题的实质是样本现象，因此可以通过增加样本信息得到改善。

判断题如果简单相关系数检测法证明多元回归模型的解释变量两两不相关，则可以判断解释变量间不存在多重共线性。

多项选择题下列关于多重共线性后果的陈述中，正确的是（）。

A.完全多重共线性下，参数估计值不确定
B.不完全多重共线性下，可以得到参数估计值
C.完全多重共线性下，参数估计值的方差无限大
D.不完全多重共线性下，参数估计值的方差无限大

多项选择题采用差分方式降低模型多重共线性时，可能存在的问题包括（）。

A.差分会丢失一些信息
B.差分模型的误差项可能存在序列相关
C.可能会违背经典线性回归模型的相关假设
D.对模型多重共线性不产生任何影响

多项选择题当模型存在不完全多重共线性时，可能产生的后果包括（）。

A.参数估计值的方差增大
B.参数区间估计时，置信区间变大
C.假设检验容易做出错误判断
D.参数区间估计时，置信区间变小

多项选择题多重共线性包含（）。

A.完全多重共线性
B.不完全多重共线性
C.解释变量间精确的线性关系
D.非线性关系

多项选择题多重共线性的修正方法包括（）。

A.广义差分法
B.广义最小二乘法
C.经验方法
D.逐步回归法

多项选择题当模型存在完全多重共线性时，可能产生的后果包括（）。

A.参数的估计值不确定
B.参数的估计值能确定
C.参数估计值的方差无限大
D.参数估计值的方差无限小

单项选择题不完全多重共线性下，对参数区间估计时，置信区间趋于（）

A.变大
B.变小
C.不变
D.难以估计

单项选择题一般而言，如果每两个解释变量的简单相关系数（零阶相关系数）比较高，例如大于（），则可认为存在着较严重的多重共线性。

A.0.5
B.0.6
C.0.7
D.0.8

单项选择题存在严重的完全多重共线性时，参数估计量的方差（）

A.无限大
B.减小
C.增大
D.等于0

判断题如果回归模型中遗漏一个重要变量，则OLS残差必定表现出明显的趋势。

判断题如果OLS回归的残差表现出系统性，则说明数据中不存在异方差性。

判断题当模型存在异方差时，参数估计的无偏性仍然成立。

判断题拉格朗日乘数（LM）检验法可以用于检验模型的高阶自相关情况。