以下哪项是多重共线性在回归分析中的影响? A. 提高模型的拟合度B. 导致自变量之间的显著线性关系[1]C. 使回归系数难以解释D. 增加残差的方差

多重共线性是回归分析中的一个重要问题，主要指自变量之间存在高度线性相关的情况。其核心影响在于破坏回归系数的稳定性和可解释性，而非直接影响模型的整体拟合度。本题需明确区分多重共线性的直接后果与相关概念，避免混淆原因与结果。

选项分析

选项A：提高模型的拟合度

拟合度（如R²）反映模型对数据的拟合效果。多重共线性可能导致模型对训练数据的拟合度看似较高，但实际预测能力可能下降（过拟合）。拟合度本身并非多重共线性的直接结果，因此此选项错误。

选项B：导致自变量之间的显著线性关系

多重共线性本身即为自变量之间存在显著线性关系，这是问题的起点而非影响。选项表述因果倒置，因此错误。

选项C：使回归系数难以解释

多重共线性会导致回归系数的估计值不稳定，且解释意义模糊。例如，两个高度相关的自变量可能相互抵消作用，使系数符号异常或大小失真，直接影响模型的解释能力。此为多重共线性的核心负面影响，因此正确。

选项D：增加残差的方差

残差方差主要受模型误差项的性质影响，而多重共线性主要通过增大回归系数的方差（如标准误增大）影响推断。残差方差与多重共线性无直接关联，因此此选项错误。