当解释变量之间存在完全共线性时，模型的最小二乘参数估计量是不存在的。()A. 正确B. 错误

本题考查多元线性回归模型中完全共线性对最小二乘参数估计量的影响这一知识点。解题思路是先明确最小二乘估计量的计算公式，再分析完全共线性时该公式的情况，从而判断最小二乘参数估计量是否存在。

在多元线性回归模型 $Y = X\beta+\mu$ 中，其中 $Y$ 是 $n\times1$ 的因变量向量，$X$ 是 $n\times k$ 的解释变量矩阵，$\beta$ 是 $k\times1$ 的待估参数向量，$\mu$ 是 $n\times1$ 的随机误差项向量。

最小二乘估计量 $\hat{\beta}=(X'X)^{-1}X'Y$，这里 $X'$ 是 $X$ 的转置矩阵，$(X'X)^{-1}$ 是 $X'X$ 的逆矩阵。

当解释变量之间存在完全共线性时，意味着 $X$ 矩阵的列向量之间存在严格的线性关系。根据矩阵理论，此时 $X'X$ 是一个奇异矩阵，即 $|X'X| = 0$。

而一个矩阵可逆的充要条件是其行列式不为零，由于 $|X'X| = 0$，所以 $X'X$ 不可逆，也就是 $(X'X)^{-1}$ 不存在。

因为 $(X'X)^{-1}$ 不存在，那么最小二乘估计量 $\hat{\beta}=(X'X)^{-1}X'Y$ 就无法计算出来，即模型的最小二乘参数估计量是不存在的。