采用最小二乘原理进行多元参数估计时,当出现可决系数R2较大,模型参数的联合检验(F检验)显著性明显,但单个参数的t检验可能不显著,可以认为模型存在异方差问题。()
A: 正确
B: 错误
A: 正确
B: 错误
举一反三
- 当模型存在严重的多重共线性时,可能会() A: F检验的参数联合显著性较低 B: 各个参数的t检验显著较低 C: 多重可决系数较高 D: F检验的参数联合显著性较高
- 在多元线性回归模型中,估计结果发现参数的t检验结果不显著,但是模型的判定系数很大,且F检验显著,则此模型可能存在() A: 多重共线性 B: 异方差 C: 自相关 D: 内生性
- 在对线性回归模型进行显著性检验时,就F检验与t检验而言,以下表述正确的有( ) A: 在一元线性回归模型中,t检验与F检验是等价的,F统计量等于t统计量的平方 B: 在多元线性回归模型中,F检验与t检验是不同的 C: t检验常被用于检验回归方程单个参数的显著性,而F检验则被用做检验整个回归模型的显著性 D: 当回归方程各个参数检验均显著时,F检验一定是显著的 E: 但当F检验显著时,并不意味着对每一个回归系数的t检验一定都是显著的
- 若回归模型的可决系数较高,F检验显著,但偏回归系数的 t 检验不显著,则提示该模型最可能存在的问题是() A: 自相关 B: 多重共线性 C: 异方差 D: 伪回归
- 如果模型存在异方差性,仍然使用最小二乘法估计模型参数,则( ) A: 最小二乘估计量(OLSE)仍然具有线性无偏性 B: OLSE 不再具有最小方差性 C: 回归参数t检验失效 D: 可采用加权最小二乘法消除异方差