A.删掉一个或多个变量
B.差分方法
C.对模型变量进行变换或重新设定模型
D.利用先验信息、补充样本或数据

A.研究目标是预测被解释变量均值时，多重共线性必定导致坏的结果
B.一般程度的共线性不用采取救治措施
C.样本数据导致的多重共线性的救治办法有限
D.关键是降低多重共线性的程度

A.两解释变量之间相关系数较大，也不能断定是严重共线性
B.辅助回归的Ri²比Y对所有解释变量回归的R²大时，共线性就严重了
C.如果VIF很大，那么一定存在严重的多重共线性
D.多重共线性是样本特性，增加样本对降低共线性程度或许有利

A.R2很高T检验均显著
B.R2很高，但存在一个或者多个T检验不显著
C.变量的回归系数会出现负数
D.T检验是有效的

A.方差非齐性
B.多重共线性
C.序列相关
D.设定误差

A.完全的多重共线性时回归系数的标准差为无穷大
B.严重多重共线性时估计量是BLUE的，其标准差很小
C.严重多重共线性常R2很高，但是t检验并非都显著
D.严重多重共线性时，估计量和标准差对数据变化敏感

A.多重共线性从根本上来说是程度问题
B.完全的共线性在现实中基本不会出现
C.多重共线性下得到的估计量是BLUE的
D.严重多重共线性会使回归系数标准差变大

A.可能是解释变量之间变化的方向相同导致的
B.多重共线性容易发生在时间序列数据之间
C.可能是模型中的滞后变量的影响导致的
D.可能是经济变量间存在密切的关联性导致的

A.Park检验法
B.D-W d来估计自相关系数
C.残差项及其滞后项进行无截距的回归
D.Durbin的带自回归的两步法

A.差分方程与原来方程的系数是完全相同的
B.差分法会减少样本数，因此是无效的
C.差分法对消除残差项之间的自相关性总是有效的
D.Prais_Winsten变换的作用是调节样本减少的影响

A.残差项之间完全正相关，d≈0
B.残差项之间完全不相关，d≈2
C.残差项之间完全负相关，d≈4
D.适合检验自回归模型