多重共线性会导致OLS估计量有偏。A. 对B. 错

本题考查多重共线性对OLS（普通最小二乘法）估计量的影响这一知识点。解题思路是明确多重共线性的定义以及它对OLS估计量的具体影响，然后据此判断题目说法的正确性。

1. 明确多重共线性的定义

多重共线性是指在多元线性回归模型中，解释变量之间存在高度的线性相关关系。

2. 分析多重共线性对OLS估计量的影响

• 无偏性：OLS估计量具有无偏性的条件是满足经典线性回归模型的基本假定，其中包括解释变量之间不存在严格的线性相关关系。当存在多重共线性时，虽然解释变量之间存在高度线性相关，但这并不破坏OLS估计量无偏性的证明条件。也就是说，即使存在多重共线性，OLS估计量仍然是无偏的，即 $E(\hat{\beta})=\beta$，其中 $\hat{\beta}$ 是OLS估计得到的参数估计值，$\beta$ 是真实的参数值。
• 其他影响：多重共线性虽然不影响OLS估计量的无偏性，但会导致估计量的方差增大，使得估计结果的稳定性变差，参数估计值的精度降低，并且可能会使t统计量变小，从而影响对参数显著性的检验。

3. 判断题目说法的正确性

由于多重共线性不会导致OLS估计量有偏，所以题目中“多重共线性会导致OLS估计量有偏”的说法是错误的。