多重共线性的检验方法有（ ）。
①简单相关系数检验法
②方差扩大（膨胀）因子法
③直观判断法
④逐步回归检测法

一般情况下，构建模型时，解释变量相关系数矩阵中的多数简单相关系数比较高，大于_____时则可认为模型存在严重的多重共线性 一般而言，如果每两个解释变量的简单相关系数（零阶相关系数）大于( )，则可认为存在着较严重的多重共线性。 通常情况下，若解释变量之间的简单相关系数r越接近1，则可以认为多重共线性的程度越高。（ ） 什么是多重共线性？如何处理多重共线性？ 完全多重共线性和不完全多重共线性都是多重共线性,它们之间没有本质的区别 参数估计量具有较大的方差是多重共线性的主要后果，所以采取适当方法减小参数估计量的方差，仍然没能消除模型中的多重共线性，也没能消除多重共线性造成的后果。（） 消除多重共线性影响的方法有（） 方差膨胀因子越,表明多重共线性越弱 参数估计量具有较大的方差是多重共线性的主要后果，所以采取适当方法减小参数估计量的方差，即使没有消除模型中的多重共线性，也确能消除多重共线性造成的后果。（） 多重共线性 多重共线性补救方法有哪几种？ 消除多重共线性形响的方法有（ ）。 多重共线性的专业的判断方法有（） 方差膨胀因子(VIF)的大小可度量多重共线性的严重程度，经验表明方差膨胀因子（ ）时，说明解释变量与其余解释变量之间有严重的多重共线性。 多重共线性的主要后果是参数估计量具有较大的方差，所以采取适当方法减小参数估计量的方差，可以消除模型中的多重共线性（） 下述统计量可以用来检验多重共线性的严重性（ ）。 消除多重共线性影响的方法包括（）。 消除多重共线性影响的方法包括（） 消除多重共线性形响的方法（ ）。 消除多重共线性影响的方法包括( ) 。