不完全多重共线性下的后果有()A. 估计值的方差增大B. 造成t值不显著C. 多重共线性严重时,还会导致参数估计值与其经济意义不一致。D. 模型的预测功能失去意义

多重共线性指解释变量之间存在线性相关关系，不完全多重共线性是相关但非完全相关的情况。其核心后果包括：

1. 参数估计方差增大（A），导致估计不精确；
2. t检验不显著（B），因标准误增大；
3. 严重共线性下经济意义矛盾（C），如符号错误；
4. 预测功能受限（D），模型可靠性下降。

选项分析

A. 估计值的方差增大

多重共线性使设计矩阵的条件数变大，导致参数估计量的方差-协方差矩阵中对角线元素增大，估计值波动性增强。

B. 造成t值不显著

t值公式为$\hat{\beta}_j / SE(\hat{\beta}_j)$，方差增大→标准误（SE）增大→t值减小，导致变量显著性降低。

C. 严重共线性与经济意义矛盾

当共线性严重时，参数估计量可能符号反常（如预期正相关却为负），与经济理论冲突。

D. 预测功能失效

多重共线性使模型对新数据的外推能力下降，预测结果可靠性降低，尤其当共线性在新数据中表现不同时。