【单选题】如果回归模型中解释变量之间存在完全的多重共线性,则最小二乘估计量的值为()A. 确定，方差最小B. 不确定，方差最小C. 确定，方差无限大D. 不确定，方差无限大

多重共线性是回归分析中的一个重要问题，指解释变量之间存在线性相关关系。当存在完全多重共线性时，解释变量间存在精确的线性组合，导致设计矩阵$X$的秩不足，使得$(X'X)^{-1}$无法计算。此时，最小二乘估计量的性质会发生显著变化：

1. 估计量的确定性：由于矩阵不可逆，参数无法唯一确定，存在无穷多组解。
2. 方差的变化：方差公式中的$(X'X)^{-1}$因矩阵奇异而发散，导致方差无限大。

因此，完全多重共线性会破坏估计量的有效性和可靠性。

关键概念解析

1. 完全多重共线性：解释变量间存在严格的线性关系，例如$X_j = \sum_{i \neq j} \alpha_i X_i$。
2. 最小二乘估计公式：$\hat{\beta} = (X'X)^{-1}X'y$。若$(X'X)$不可逆，则公式失效。
3. 方差公式：$Var(\hat{\beta}) = \sigma^2 (X'X)^{-1}$。当$(X'X)$奇异时，方差矩阵无意义，方差趋于无限大。

选项分析

• 选项D正确：完全多重共线性下，$(X'X)$不可逆，导致$\hat{\beta}$无法唯一确定（不确定），且方差公式中的逆矩阵不存在（方差无限大）。
• 其他选项错误原因：
  • A、C：假设估计量确定，与事实矛盾。
  • B：方差最小与实际情况（方差发散）不符。