线性回归的参数估计及多重共线性的问题

在回归分析中，多重共线性是指自变量之间存在较强的线性相关性，这可能导致一些统计上的问题。让我们逐一分析选项：

- **A: 所求出的参数的含义将变得不合理**
多重共线性会导致回归系数的不稳定和标准误增大，从而使得参数估计的解读变得困难和不合理。因此，这个说法是正确的。

- **B: 不会影响模型的预测结果**
多重共线性主要影响的是参数估计的可靠性，但在某些情况下，预测结果并不会受到显著影响，因为预测本身可能仍然准确。这使得这个说法表面上可能正确，但是在极端共线性的情况下，模型的预测能力也可能被削弱，因此这个说法是片面的。

- **C: 可用岭回归或Lasso回归降低多重共线性对回归结果的影响**
岭回归和Lasso回归都是正则化技术，可以通过引入额外的惩罚项来缓解多重共线性问题。因此，这个说法是正确的。

- **D: 存在多重共线性的变量所求参数将变得不显著**
多重共线性可能导致估计参数的标准误增大，从而使得参数在统计上不显著，因此这个说法是正确的。

根据以上分析，错误的说法是 **B**。虽然多重共线性不直接影响预测结果，但它影响参数估计的稳定性和解释力，并在某些情况下也可能间接影响模型的预测性能。