説明変数は、高度に理論的な観察と相関している2つの説明変数が高度に相関し、必ずしも高度に観察、およびその逆に相関していないことが理論的に可能、必ずしも関連しない高度に関連しています。だから、マルチ共線は、基本的にデータの問題です。
何のカテゴリ多重共ための理由があります。
1は、説明変数は、共通のタイムトレンドを受けることができます。
図2は、別の説明変数のラグである、両方のトレンドに追随する傾向があります。
収集されたデータの根拠は十分な広さではないとして、説明変数の一部が一緒に変更される可能性があります3、;
図4に示すように、特定の説明変数の存在との間のいくつかの近似線形関係。
判定：
1、我々は間違ったサイン係数の推定値を発見しました。
図2に示すように、いくつかの重要な説明変数tの値が低くはなく、ローサイドR
3、あまり重要で説明変数が削除されると、回帰結果が著しく変化。
検査;
図1に示すように、相関分析は、相関係数は、多重共線の存在を示し、0.8以上である;しかし、低い相関係数は、と多重共線不在を表すことができません。
2、試験VIF。
図3に示すように、係数試験条件;
ソリューション：
1、データを増加させます。
2、モデルに特定の制約を課します。
3つまたは複数の同一直線上の変数を削除するには、
図4に示すように、適切な変形モデル。
5、主成分回帰
マルチ懲戒共直線プロセス：
1、多重共は少し多重共に措置をとることができる、広まっています。
2、深刻な多重共、回帰分析とは、一般的に経験に基づいて、または経由ことがわかりました。影響係数兆候は、重要な説明変数tの値が非常に低いです。さまざまな状況に応じて必要な措置をとること。
3、多重共モデルがあるが予測することは、多くの場合、予測された結果には影響しません使用した場合にのみ、予測モデルのために、限り、適合度は良好であるように、多重共の問題に対処していない場合。
