多重共线性一些指标解释

ANOVA中
F检验

是对整个模型而已的，看是不是自变量系数不全为0，这里F检验值23，对应P概率=0，显著性P<0.05,H1成立，说明显著性非常高

系数中
t检验

则是分别针对某个自变量的，看每个自变量是否有显著预测效力。这里t检验对应概率大于0.05，即显著性一列为0.23和0.48，说明显著性很差

SPSS对于多重共线性的判断指标有以下几种：容忍度（Tolerance）、方差膨胀因子（VIF，Variance Inflation Factor）、特征根（Eigenvalue）、条件指数（Condition Index）和变异构成（Variance Proportion）。

容忍度（Tolerance）

等于1减去以该自变量为因变量，其它自变量依旧为自变量的线性回归模型的决定系数的剩余值（1-R方）。显然，容忍度越小，共线性越严重。一般的认识是，当容忍度小于0.1时，存在严重的多重共线性。

方差膨胀系数（VIF）

等于容忍度的倒数。一般情况下，VIF的值不应该大于5，放宽到容忍度的水平，就是不应该大于10。

特征根（Eigenvalue）

对模型中常数项及所有自变量计算主成分，如果自变量间存在较强的线性相关关系，则前面的几个主成分数值较大，而后面的几个主成分较小，甚至接近于0。

条件指数（Condition Index）

等于最大的主成分与当前主成分的比值的算数平方根。第一个主成分被定义为1。如果有几个条件指数较大，那么就提示存在多重共线性关系。

变异构成（Variance Proportion）

是指回归模型中常数项和自变量项被主成分解释的比例。如果某个主成分对两个或多个自变量的解释的比例都较大，说明这几个自变量间存在一定的共线性。