logo
  • write-homewrite-home-active首页
  • icon-chaticon-chat-activeAI 智能助手
  • icon-pluginicon-plugin-active浏览器插件
  • icon-subjecticon-subject-active学科题目
  • icon-uploadicon-upload-active上传题库
  • 更多功能
  • icon-appicon-app-active手机APP
首页
/
统计
题目

模型存在完全多重共线性时,下列判断正确的是()A. 参数的估计值不确定B. 只能估计参数的线性组合C. 参数估计值的方差无限大D. 模型的判定系数为1

模型存在完全多重共线性时,下列判断正确的是()

A. 参数的估计值不确定

B. 只能估计参数的线性组合

C. 参数估计值的方差无限大

D. 模型的判定系数为1

题目解答

答案

ABC
A. 参数的估计值不确定
B. 只能估计参数的线性组合
C. 参数估计值的方差无限大

解析

本题考查完全多重共线性对模型参数估计的影响这一知识点。解题思路是分别分析完全多重共线性下参数估计值、参数估计值的方差以及模型判定系数的情况。

1. 分析参数估计值

在多元线性回归模型 $Y = X\beta+\mu$ 中,参数的普通最小二乘估计量为 $\hat{\beta}=(X'X)^{-1}X'Y$。当模型存在完全多重共线性时,意味着解释变量之间存在精确的线性关系,此时 $X'X$ 矩阵是奇异矩阵,其行列式 $\vert X'X\vert = 0$。
根据逆矩阵的定义,只有非奇异矩阵(行列式不为零的矩阵)才有逆矩阵,所以 $(X'X)^{-1}$ 不存在,也就无法得到唯一确定的参数估计值 $\hat{\beta}$,即参数的估计值不确定,故选项A正确。

2. 分析参数的线性组合估计

由于无法直接估计单个参数,但可以通过对解释变量的线性组合进行变换,使得变换后的解释变量之间不存在完全多重共线性,从而可以估计参数的线性组合。例如,若 $X_2 = kX_1$($k$ 为常数),那么可以将模型中的 $X_2$ 用 $X_1$ 表示,进而估计参数的线性组合,所以选项B正确。

3. 分析参数估计值的方差

参数估计值 $\hat{\beta}$ 的方差 - 协方差矩阵为 $\text{Var}(\hat{\beta})=\sigma^{2}(X'X)^{-1}$。因为存在完全多重共线性时 $(X'X)^{-1}$ 不存在,从数学意义上可以理解为其元素会趋于无穷大,所以参数估计值的方差会无限大,选项C正确。

4. 分析模型的判定系数

判定系数 $R^{2}=\frac{ESS}{TSS}=1 - \frac{RSS}{TSS}$,其中 $ESS$ 是回归平方和,$TSS$ 是总离差平方和,$RSS$ 是残差平方和。完全多重共线性并不影响 $R^{2}$ 的计算,它与是否存在完全多重共线性没有必然联系,$R^{2}$ 不一定为1,选项D错误。

logo
广州极目未来文化科技有限公司
注册地址:广州市黄埔区揽月路8号135、136、137、138房
关于
  • 隐私政策
  • 服务协议
  • 权限详情
学科
  • 医学
  • 政治学
  • 管理
  • 计算机
  • 教育
  • 数学
联系我们
  • 客服电话: 010-82893100
  • 公司邮箱: daxuesoutijiang@163.com
  • qt

©2023 广州极目未来文化科技有限公司 粤ICP备2023029972号    粤公网安备44011202002296号