線性回歸的參數(shù)估計及多重共線性的問題

在回歸分析中，多重共線性是指自變量之間存在較強(qiáng)的線性相關(guān)性，這可能導(dǎo)致一些統(tǒng)計上的問題。讓我們逐一分析選項：

- **A: 所求出的參數(shù)的含義將變得不合理**
多重共線性會導(dǎo)致回歸系數(shù)的不穩(wěn)定和標(biāo)準(zhǔn)誤增大，從而使得參數(shù)估計的解讀變得困難和不合理。因此，這個說法是正確的。

- **B: 不會影響模型的預(yù)測結(jié)果**
多重共線性主要影響的是參數(shù)估計的可靠性，但在某些情況下，預(yù)測結(jié)果并不會受到顯著影響，因為預(yù)測本身可能仍然準(zhǔn)確。這使得這個說法表面上可能正確，但是在極端共線性的情況下，模型的預(yù)測能力也可能被削弱，因此這個說法是片面的。

- **C: 可用嶺回歸或Lasso回歸降低多重共線性對回歸結(jié)果的影響**
嶺回歸和Lasso回歸都是正則化技術(shù)，可以通過引入額外的懲罰項來緩解多重共線性問題。因此，這個說法是正確的。

- **D: 存在多重共線性的變量所求參數(shù)將變得不顯著**
多重共線性可能導(dǎo)致估計參數(shù)的標(biāo)準(zhǔn)誤增大，從而使得參數(shù)在統(tǒng)計上不顯著，因此這個說法是正確的。

根據(jù)以上分析，錯誤的說法是 **B**。雖然多重共線性不直接影響預(yù)測結(jié)果，但它影響參數(shù)估計的穩(wěn)定性和解釋力，并在某些情況下也可能間接影響模型的預(yù)測性能。