当模型中解释变量存在完全多重共线性时,参数估计的方差扩大因子为A. 不能确定B. 0C. 1D. 无穷

多重共线性是多元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，设计矩阵$X$的列向量线性相关，导致$(X'X)$矩阵不可逆，参数估计量无法唯一确定。此时，方差扩大因子（VIF）的计算公式为：
$\text{VIF}_i = \frac{1}{1 - R_i^2}$
其中$R_i^2$是第$i$个解释变量对其他解释变量的回归模型的判定系数。完全多重共线性下，$R_i^2=1$，分母为$0$，因此方差扩大因子趋于无穷大。

方差扩大因子的推导

1. 多重共线性的本质：解释变量间存在精确线性关系，导致$(X'X)$矩阵退化为奇异矩阵。
2. 方差扩大因子公式：$\text{VIF}_i = \frac{1}{1 - R_i^2}$。
3. 完全多重共线性的影响：此时$R_i^2=1$，代入公式得$\text{VIF}_i = \frac{1}{0}$，即无穷大。

关键结论

• 完全多重共线性导致参数方差无限增大，参数估计不稳定，无法进行有效推断。