为什么indenpendent variables not random，不是随机抽取的样本吗？问题如下图：
选项：
A. 
B. 
C. 
解释：
源_品职助教 · 2019年05月14日
这是原版书的定义。
本章节后，原版书对这个定义做了一个注释说明，我给你翻译一下：
“虽然我们假设回归模型中的自变量不是随机的，但这种假设显然往往不正确。例如，假设标普500指数的月度回报率不是随机的，这是不现实的。如果自变量是随机的，那么回归模型是不正确的吗?幸运的是不一定。计量经济学家已经证明，即使自变量是随机的，我们仍然可以依赖回归模型的结果，因为关键的假设是误差项与自变量不相关。然而，这种可靠性论证的数学基础相当困难。”
所以这个假设本身就存在一定的争议，我们考试，知道结论即可
他三哥 · 2020年02月18日
哭了，这也可以。
NO.PZ2018101001000050 问题如下 Whiof the following assumptions is least likely part of multiple regression’s? A.The inpennt variables are not ranm. B.The error term is normally stribute C.There is no linerelation between any two or more inpennt variables. C is correct. 考点: Interpret Regression Coefficient, Assumptions anF-test.解析: A和B均属于多元回归的前提假设。C说在两个或多个自变量之间是不存在线性关系的，这句描述是不准确的，应该是不存在一个精确的线性关系，所以应该选择 老师您好，请问下A为什么是错误的，应该怎么理解自变量不是随机的？
NO.PZ2018101001000050 问题如下 Whiof the following assumptions is least likely part of multiple regression’s? A.The inpennt variables are not ranm. B.The error term is normally stribute C.There is no linerelation between any two or more inpennt variables. C is correct. 考点: Interpret Regression Coefficient, Assumptions anF-test.解析: A和B均属于多元回归的前提假设。C说在两个或多个自变量之间是不存在线性关系的，这句描述是不准确的，应该是不存在一个精确的线性关系，所以应该选择 如何
NO.PZ2018101001000050问题如下Whiof the following assumptions is least likely part of multiple regression’s?A.The inpennt variables are not ranm.B.The error term is normally stributeC.There is no linerelation between any two or more inpennt variables.C is correct. 考点: Interpret Regression Coefficient, Assumptions anF-test.解析: A和B均属于多元回归的前提假设。C说在两个或多个自变量之间是不存在线性关系的，这句描述是不准确的，应该是不存在一个精确的线性关系，所以应该选择C。题目是否指最不可能作为多元回归假设条件？BC均为假设条件内容，A表述有误，请问为何不选A。谢谢！
NO.PZ2018101001000050 想接着这道题问，残差项服从正态分布，不会导致sericorrelation吗？如果errors之间是correlate，是否意味着errors之间存在某种可以通过formula表示的关系？而服从正态分布随机变量，不一定存在相关关系？
NO.PZ2018101001000050 老师好， 我当时做这道题觉得C明显不对就直接选了C，A、B其实我没读太懂。请老师帮我看下我的理解是否正确。 C我觉得不对的原因就是因为我们存在“多重共线性”这种现象，虽然是异常现象，但也不是不可能发生在多元回归中的。 A说自变量不是随机的，这句话看的我挺懵的。我其实觉得A也不太对，因为我们不是有可能“多重共线性”么？如果有多重共线性，那另一个自变量可能就不是随机的了。 B说残差项是正态分布的，有这个可能，所以不能说它错对吗？ 请老师分别帮我看下我对C\A\B的理解是否正确，谢谢！