# 多重共线性

> 多重共线性（Multicollinearity）是指多变量线性回归中，变量之间由于存在高度相关关系而使回归估计不准确。在该情况下，多元回归的系数可能会因为模型或数据的微小变化发生剧烈改变。在样本数据集中，多重共线性不会影响模型整体的预测能力或信度，它只会影响单个预测子（predictor）的参数。

- ID: m05794
- 分类: technical
- 领域: 统计学

## 定义

在回归模型中，两个或多个自变量之间存在高度相关性（如“左脚鞋码”和“右脚鞋码”）。这会导致模型无法区分哪个变量真正起作用，虽然预测准确，但解释性失效。脚手架作用： 冗余信息的干扰。在归因分析时，如果你列出了太多高度相关的因素（如“他很勤奋”和“他工作时间长”），你会迷失焦点。必须剔除冗余变量，找到那个独立的、正交的驱动因子。

## 机制

多重共线性指回归自变量间高度相关，使系数估计不稳、难分各自效应。机制是信息重叠致矩阵近奇异。

## 练习

算 VIF/相关，剔除或合并相关变量，或用岭回归等。

## 脚手架用法

冗余信息的干扰。在归因分析时，如果你列出了太多高度相关的因素（如“他很勤奋”和“他工作时间长”），你会迷失焦点。必须剔除冗余变量，找到那个独立的、正交的驱动因子。

[阅读网页](https://thinkingmodels.site/entries/detail/m05794)