作多重线性回归分析时，若降低入选的 F. 界值，则进入方程的变量一般会（）。A. 增多B. 减少C. 不变D. 可增多，也可减少E. 以上都不对

考查要点：本题主要考查多重线性回归分析中F界值对变量筛选的影响。关键在于理解F界值作为统计显著性判断标准的作用。

解题核心思路：

• F界值是判断变量是否显著进入回归方程的临界标准。
• 降低F界值意味着放宽变量进入方程的条件，从而更容易将变量纳入模型。
• 因此，降低F界值会导致更多变量满足条件，进入方程。

F界值的作用：
在多重线性回归中，F检验用于判断自变量对因变量的解释作用是否显著。若某变量的F值大于设定的F界值，则认为该变量对模型的贡献显著，允许其进入方程。

降低F界值的影响：

1. F界值降低：例如从严格的0.05降至宽松的0.10。
2. 判断标准放宽：此时，即使变量的F值较低（但高于新界值），也会被判定为“显著”。
3. 结果：更多变量通过检验，最终进入回归方程。

结论：
降低F界值会增加变量入选的可能性，导致方程中变量数量增多。