itgle.com

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()A无偏的B有偏的C不确定D确定的

题目
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()

A无偏的

B有偏的

C不确定

D确定的


相似考题
更多“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()”相关问题
  • 第1题:

    如果回归模型中随机误差项之间存在序列相关,则普通最小二乘估计量不是无偏估计量,也不再具有最小方差的性质。


    答案:错
    解析:

  • 第2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( )

    A.无偏的
    B.有偏的
    C.不确定
    D.确定的

    答案:C
    解析:

  • 第3题:

    若通过检验发现多元线性回归模型存在多重共线性,则应用模型会带来的后果是( )。
    Ⅰ.回归参数估计量非有效
    Ⅱ.变量的显著性检验失效
    Ⅲ.模型的预测功能失效
    Ⅳ.解释变量之间不独立

    A、Ⅰ.Ⅱ.Ⅲ.Ⅳ
    B、Ⅰ.Ⅱ.Ⅲ
    C、Ⅱ.Ⅲ.Ⅳ
    D、Ⅰ.Ⅱ.Ⅳ


    答案:B
    解析:
    在多元线性回归模型中,如果存在多重共线性,将会给回归方程的应用带来严重的后果,具体包括:①多重共线性使得估计值b不稳定,并对于样本非常敏感;②使得参数估计值的方差COV (b)增大;③由于参数估计的方差增加,导致对于参数进行显著性t检验时,会出现接受零假设的可能性增加,可能会出现舍去对因变量有显著影响的变量,导致模型错误;④由于COV (b)增大,做预测时,会导致预测的置信区间过大,降低预测精度。

  • 第4题:

    若通过检验发现多元线性回归模型存在多重共线性,则应用模型会带来的后果是( )

    A: 回归参数估计量非有效
    B: 变量的显著性检验失效
    C: 模型的预测功能失效
    D: 解释变量之叫不独立

    答案:A,B,C
    解析:
    在多兀线性回归模型巾,如果存在多重共线性,将会给回归方程的应用带来严重的后果,具体包括:①多重共线性使得估计值b不稳定,井对于样本非常敏感,②使得参数估计值的方差COV (b)增^,③南于参数估计的方差增加,导致对于参数进行显著性t检验时,会出现接受零假设的可能性增加,可能会出现舍对因变量有显著影响的变量,导致模型错误,④由于COV (b)增人,做预测时,会导致预测的置信区间过人,降低预测精度。

  • 第5题:

    如果回归模型中的随机误差项存在异方差,则模型参数的普通最小二乘估计量()。

    • A、无偏且有效
    • B、无偏但非有效
    • C、有偏但有效
    • D、有偏且非有效

    正确答案:B

  • 第6题:

    存在多重共线情况下,多元线性回归模型的结构参数的普通最小二乘估计量不再是最佳线性无偏估计。


    正确答案:错误

  • 第7题:

    模型中引入一个无关的解释变量()

    • A、对模型参数估计量的性质不产生任何影响
    • B、导致普通最小二乘估计量有偏
    • C、导致普通最小二乘估计量精度下降
    • D、导致普通最小二乘估计量有偏,同时精度下降

    正确答案:C

  • 第8题:

    如果模型包含随机解释变量,且与随机误差项在大样本下渐近无关,则普通最小二乘估计量是()。

    • A、无偏估计量
    • B、有效估计量
    • C、一致估计量
    • D、最佳线性无偏估计量

    正确答案:C

  • 第9题:

    满足基本假设条件下,一元线性回归模型的被解释变量及参数β0、β1的普通最小二乘估计量都服从正态分布。


    正确答案:正确

  • 第10题:

    对具有多重共线性的模型采用普通最小二乘法估计参数,会产生的不良后果有()。

    • A、完全共线性下参数估计量不存在
    • B、参数估计量不具有有效性
    • C、近似共线性下普通最小二乘法参数估计量的方差变大
    • D、参数估计量的经济意义不合理
    • E、变量的显著性检验和模型的预测功能失去意义

    正确答案:A,B,C,D,E

  • 第11题:

    判断题
    如果回归模型中随机误差项之间存在序列相关,则普通最小二乘估计量不是无偏估计量,也不再具有最小方差的性质。
    A

    B


    正确答案:
    解析:

  • 第12题:

    判断题
    多元线性回归模型中回归系数的最小二乘估计量是确定性变量。
    A

    B


    正确答案:
    解析: 暂无解析

  • 第13题:

    对具有多重共线性的模型采用普通最小二乘法进行估计参数,会产生的不良后果有( )。

    A.完全共线性下参数估计量不存在
    B.参数估计量不具有有效性
    C.近似共线性下普通最小二乘法参数估计量的方差变大
    D.参数估计量经济含义不合理
    E.变量的显著性检验和模型的预测功能失去意义

    答案:A,C,D,E
    解析:
    由于在完全共线性下,参数估计量不存在,也就没有估计量是否有效的问题,因此B项错误。

  • 第14题:

    下列判断正确的有( )

    A.在严重多重共线性下,OLS估计量仍是最佳线性无偏估计量
    B.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
    C.虽然多重共线性下,很难精确区分各个解释变量的单独影响,但可据此模型进行预测
    D.如果回归模型存在严重的多重共线性,可不加分析地去掉某个解释变量从而消除多重共线性

    答案:A,B,C
    解析:

  • 第15题:

    若通过检验发现多元线性回归模型存在多重共线性,则应用模型会带来的后果是(  )。
    Ⅰ 回归参数估计量非有效
    Ⅱ 变量的显著性检验失效
    Ⅲ 模型的预测功能失效
    Ⅳ 解释变量之间不独立

    A.I、Ⅱ、Ⅲ
    B.I、Ⅱ、II
    C.I、Ⅲ、Ⅳ
    D.Ⅱ、Ⅲ、Ⅳ

    答案:A
    解析:
    在多元线性回归模型中,如果存在多重共线性,将会给回归方程的应用带来严重的后果,具体包括:①多重共线性使得参数估计值不稳定,并对于样本非常敏感;②使得参数估计值的方差增大;③由于参数估值的方差增加,导致对于参数进行显著性t检验时,会出现接受零假设的可能性增加,可能会出现舍去对因变量有显著影响的变量,导致模型错误;④由于参数估计值的方差增大,做预测时,会导致预测的置信区间过大,降低预测精度。

  • 第16题:

    模型结构参数的普通最小二乘估计量具有线性性、无偏性、有效性,随机干扰项方差的普通最小二乘估计量也是无偏的。


    正确答案:正确

  • 第17题:

    如果股指期货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()

    • A、不确定,方差无限大
    • B、确定,方差无限大
    • C、不确定,方差最小
    • D、确定,方差最小

    正确答案:A

  • 第18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()

    • A、不确定,方差无限大
    • B、确定,方差无限大
    • C、不确定,方差最小
    • D、确定,方差最小

    正确答案:A

  • 第19题:

    如果模型包含随机解释变量,且与随机干扰项异期相关,则普通最小二乘估计量是()。

    • A、无偏估计量
    • B、有效估计量
    • C、一致估计量
    • D、最佳线性无偏估计量

    正确答案:C

  • 第20题:

    存在异方差情况下,线性回归模型的结构参数的普通最小二乘估计量是有偏的和非有效的。


    正确答案:错误

  • 第21题:

    当模型中出现随机解释变量时,最小二乘估计量具有什么特征?


    正确答案: (1)当随机解释变量X与随机项u时相互独立的时候,最小二乘估计量仍然是无偏的。
    (2)如果随机解释变量X与随机项u既不独立也不相关时,最小二乘估计量是有偏的,但是一致估计量。
    (3)如果随机解释变量X与随机项u具有高度的相关关系,最小二乘估计量是有偏的,非一致的。

  • 第22题:

    多元线性回归模型中回归系数的最小二乘估计量是确定性变量。


    正确答案:错误

  • 第23题:

    单选题
    若通过检验发现多元线性回归模型存在多重共线性,则应用模型会带来的后果是(  )。Ⅰ.回归参数估计量非有效Ⅱ.变量的显著性检验失效Ⅲ.模型的预测功能失效Ⅳ.解释变量之间不独立
    A

    Ⅰ、Ⅱ、Ⅲ

    B

    Ⅰ、Ⅱ、Ⅳ

    C

    Ⅰ、Ⅲ、Ⅳ

    D

    Ⅱ、Ⅲ、Ⅳ


    正确答案: C
    解析:
    在多元线性回归模型中,如果存在多重共线性,将会给回归方程的应用带来严重的后果,具体包括:①多重共线性使得参数估计值不稳定,并对于样本非常敏感;②使得参数估计值的方差增大;③由于参数估值的方差增加,导致对于参数进行显著性t检验时,会出现接受零假设的可能性增加,可能会出现舍去对因变量有显著影响的变量,导致模型错误;④由于参数估计值的方差增大,做预测时,会导致预测的置信区间过大,降低预测精度。