本文探讨了线性回归分析中的多重共线性问题，介绍了共线性的原因、判别指标（如VIF和容差值）以及处理方法，包括手动移除变量、逐步回归和岭回归等，并提供了SPSSAU软件的相关操作路径。
在进行线性回归分析时，容易出现自变量（解释变量）之间彼此相关，这种情况被称作多重共线性问题。
适度的多重共线性不成问题，但当出现严重共线性问题时，可能导致分析结果不稳定，出现回归系数的符号与实际情况完全相反的情况。本应该显著的自变量不显著，本不显著的自变量却呈现出显著性，这种情况下就需要消除多重共线性的影响。
共线性出现的原因
多重共线性问题就是说一个解释变量的变化引起另一个解释变量地变化。
原本自变量应该是各自独立的变量，这样根据检验结果，就能得知哪些因素对因变量Y有显著影响，哪些没有影响。如果各个自变量x之间有很强的线性关系，就无法固定其他变量，也就找不到x和y之间真实的关系了。
除此以
最低0.47元/天 解锁文章
5658
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
