存在严重的多重共线性时，更为容易拒绝原假设。

多重共线性变量参数估计量的方差将显著会变大

很难精确识别多重共线性变量各自对被解释变量的影响

增大了参数估计值符号与预期不一致的可能

模型将无法得出参数估计量

模型将无法得出参数估计量的标准误

回归参数估计量非有效

变量的显著性检验失效

模型的预测功能失效

解释变量之叫不独立

正确

错误

正确

错误

正确

错误

第二类错误

纳伪的错误

以假当真错误

弃真的错误

P=0. 1

P=0.05

P=0.01

P=0.06

正确

错误

\( H_0 :\mu =\mu _0 ,\quad H_1 :\mu \ne \mu _0 \)（\( \mu \) 是总体均值）

\( H_0 :\sigma ^2=\sigma _0^2 ,\quad H_1 :\sigma ^2\ne \sigma _0^2 \)（\( \sigma^2 \) 是总体方差）

\( H_0 :X\sim \left( {{\begin{array}{*{20}c} {a_1 } & {a_2 } & \cdots & {a_m } \\ {p_1 } & {p_2 } & \cdots & {p_m } \\ \end{array} }} \right),\quad H_1 :X\mbox{ 不服从 }\left( {{\begin{array}{*{20}c} {a_1 } & {a_2 } & \cdots & {a_m } \\ {p_1 } & {p_2 } & \cdots & {p_m } \\ \end{array} }} \right) \)

\( H_0 :F(x)\le F_0 (x),\quad H_1 :F(x)>F_0 (x) \)