【多重共线性_影响&识别】

这么可爱的你，就关注我一下吧~

1、定义

在回归模型中，如果两个或两个以上自变量之间存在相关性，这种自变量之间的相关性，就叫做多重共线性。多重共线性普遍存在，适度的多重共线性可以不做处理。

当自变量之间高度相关（相关系数在0.7以上）时，将很难判定每一个单独的自变量对因变量的影响程度，这时候我们就需要做相应处理了。

2、影响

• 系数不准确，很难判断单独的自变量对因变量的影响，影响模型的可解释性；
• 系数的正负方向不准确，本应该为正值的出现负值或者相反；
• 系数不稳定，样本的微小扰动就会导致参数变化较大；
• 变量的显著性检验失去意义，可能会将重要的解释变量排除在外；

这里我们举个例子，让大家更直观的了解多重共线性的影响：

import numpy as np
from pandas import DataFrame as df
import statsmodels.api as sm
​
e = np.random.normal(size=100)
​
# 我们先给定两个x变量，以及y值
x = df(np.linspace(0,100,100),columns=['x1'])
x['x2'] <