以下哪种方法不是检验多重共线性的方法（）

A、增加样本观测值

B、删去不重要的解释变量

C、利用先验信息

D、OLS方法

A、使用工具变量

B、增加样本容量

C、利用已知信息修正模型

D、删减变量

A、删除不重要的自变量。

B、增大样本容量。

C、岭回归方法。

D、迭代法。

A、可决系数很高

B、F检验显著，但是t检验通不过

C、参数估计量经济含义不合理

D、两经济变量之间相关性很高

E、方差扩大因子大于10

A、将一个或多个相关的自变量从模型中剔除，使保留的自变量尽可能不相关

B、对自变量进行变形，如取对数，加平方等

C、如果自我感觉模型的解释度很好，且减少变量会造成其他问题，则不改变模型

D、尽量保留相关性高的自变量

A、参数估计值的方差与协方差增大

B、可能导致参数估计量经济含义不合理

C、可能造成可决系数较低，F检验不显著

D、当多重共线性严重时，假设检验容易作出错误的判断

A、X1≈bX2（b≠0）

B、X1=bX2（b≠0）

C、X1=k/X2（k≠0）

D、X1=a+bX2（a,b≠0）

A、存在多重共线性现象等价于矩阵存在近似于零的特征值。

B、一个正定矩阵如果存在近似于零的特征值，那么这个矩阵的条件数就会很大。

C、考察矩阵的最大特征值的特征向量，可以得出自变量之间存在的近似的线性关系表达式。

D、如果矩阵的条件数大于1000，那么就认为自变量之间存在严重的多重共线性。

A、多重共线性是指多个自变量以及因变量之间相互影响的一种现象。

B、自变量之间的相关系数都不是显著地等于正负1，也可能存在多重共线性现象。

C、如果自变量之间存在多重共线性，那么参数估计量的方差就会变得很大。

D、多重共线性是指设计矩阵的列向量之间存在的近似线性关系。

A、模型中各对自变量之间显著相关

B、模型中各对自变量之间显著不相关

C、回归系数的正负号与预期的相同

D、回归系数的正负号与预期的相反

E、当模型的线性关系检验（F检验）显著时，几乎所有回归系数的t检验都不显著