浅谈共线性的产生以及解决方法(下篇——来世)

浅谈共线性的产生以及解决方法(下篇——来世)

上篇对共线性问题的诊断以及消除做了详尽的介绍，那么如何与实际场景结合呢？
（1）数据来源
该数据来源于《1994年统计摘要》1978-1993年的中国民航客运量统计数据。
（2）变量介绍
Y——民航客运量（万人）
X1——国民收入（亿元）
X2——消费额（亿元）
X3——铁路客运量（万人）
X4——民航线里程（万公里）
X5——来华旅游入境人数（万人）
对数据进行多元线性回归模型的拟合，看下效果

我们可以根据方差膨胀因子判别多元线性模型是否存在共线性问题，上述的系数表中，有四个VIF大于10，故我们认为该模型中存在多重共线性。
下面我们利用R对民航数据进行建模

###建立多重线性模型
minhang<-read.table("E:/mydata/shuju.txt",header=TRUE,sep="")
minhang
lm_minhang<-lm(y~.,data=minhang)
lm_minhang
summary(lm_minhang)

输出结果


从全模型上看，这个决定系数$R^2$=0.9982，各个自变量均能通过显著性检验，这种情况可能会导致模型过拟合，需要进一步检验。

###计算方差膨胀因子，看一下自变量之间的共线性情况
install.packages("car")
library(car)
vif(lm_minhang)
plot(x1~x2,data = minhang,type="p",main="x1和x