《共线性问题的识别和处理 》由会员分享，可在线阅读，更多相关《共线性问题的识别和处理 （8页珍藏版）》请在金锄头文库上搜索。
1、共线性问题的识别和处理一、表现n1、整个模型方差分析结果Pan2、专业上认为应该有统计学意义的自变 量检验结果确无统计学意义n3、自变量的偏回归系数取值大小甚至符 号明显与实际情况相违背，难以解释。n4、增加或删除一个自变量或一个记录， 自变量偏回归系数较大变化。二、识别n1、容忍度（Tolerance)n等于1减去该自变量为反应变量（Y),因变 量选择其他自变量（X)所得到的线性回 归模型的决定系数R2。 T越小，共线性 越严重。一般地T0.1时,存在严重的共 线性。T=1- R2n2、方差膨胀因子（Variance inflation factor VIF)等于容忍度的倒数。VIF越大 ，
2、多重线性问题越大，一般认为VIF不应 大于5，对应容忍度的标准也可放宽不大 于10.nVIF=1/(1- R2)n3 特征根（Eigenvalue)n对模型中常数项及自变量计算主成份， 如果自变量间存在较强线性相关性 则前 几个主成份值较大，而后几个主成分较 小，甚至接近0.n4、条件指数（Condition Index)等于最 大的主成份与当前主成份的比值的算术 平方根。因此，第一主成份相对应的条 件指数总为1.同样，如果几个条件指数 较大（如大于30）则提示存在多重共线 性。n5、变异构成（Variance Proportion)n回归模型中各项（包括常数项）的变异 被各主成份所能解释的比例，即各主成 份对模型中各项的贡献。如果某个主成 份对两个或多个自变量的贡献均大（如 大于0.5)。说明这几个变量间存在一定程 度的共线性。二、解决方法n1、逐步回归n2、岭回归n3、主成份分析n4、路径分析（通经分析）
