A.從模型中刪掉一個變量
B.獲取額外的數(shù)據(jù)或新的樣本
C.重新考慮模型
D.參數(shù)的先驗信息
E.變量變換
您可能感興趣的試卷
你可能感興趣的試題
A.在近似共線性的情形下，OLS估計量仍然是無偏的。
B.近似共線性并未破壞OLS估計量的最小方差性。
C.即使在總體回歸方程中變量X之間不是線性相關(guān)的，但在某個樣本中，X變量之間可能線性相關(guān)，多重共線性是一個樣本（回歸）現(xiàn)象。
A.問題的性質(zhì)（異質(zhì)性截面數(shù)據(jù)）
B.殘差的圖形檢驗
C.帕克檢驗（PARK TEST）
D.格萊澤檢驗（GLEJSER TEST）
E.懷特的一般異方差檢驗（WHITE GENERAL HETEROSCEDASTICITY TEST）
F.異方差的其他檢驗方法
最新試題
多元線性回歸模型OLS估計式的統(tǒng)計性質(zhì)包括（）。
如果回歸模型存在嚴重的多重共線性，可去掉某個解釋變量從而消除多重共線性。
經(jīng)濟參數(shù)是變量間數(shù)量關(guān)系和經(jīng)濟數(shù)量規(guī)律性的具體體現(xiàn)，獲取經(jīng)濟參數(shù)的數(shù)值是經(jīng)濟計量分析的主要目的。
不完全多重共線性下，對參數(shù)區(qū)間估計時，置信區(qū)間趨于（）
模型整體顯著性F檢驗包含的兩個自由度是（）。
模型只是研究者對所關(guān)注的那些部分所作的模擬，只能抓主要因素和主要特征，而不得不舍棄某些因素。
存在嚴重的完全多重共線性時，參數(shù)估計量的方差（）
產(chǎn)生多重共線性的背景是什么？
多重共線性的修正方法包括（）。
經(jīng)濟變量是描述經(jīng)濟活動的水平或狀態(tài)，隨時間或空間不同而變動的各種因素。