多重共线性名词解释

Question

如题所述

Answer 1

多重共线性名词解释：在回归分析中，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，就称作多重共线性。

共线性是指回归模型中的各个解释变量之间不存在线性关系，“多重共线性”一词常常用来表示解释变量之间具有较高的共线性程度，但又不是完全共线性的情形。多重共线性这种现象，在回归分析中普遍存在，具体表现如下：

1、在某一时间段或某一个项目中，公司做的某一个决策，往往由很多小方案组成（比如同时采用做广告、折扣、积分返利等方式提升销量），这些小方案就是一个个的自变量，这些自变量由于是共同构成公司策略的一部分，所以可能会出现相互关联或互为补充现象，从而出现多重共线性。

2、实际需求场景中，总会存在样本信息不充分，或者历史数据不全面和错误等情况，导致回归分析模型的参数不能准确估计与计算，从而不可避免的产生一些多重共线性。

多重共线性处理方法：

1、手动移除出共线性的变量

先做下相关分析，如果发现某两个自变量X（解释变量）的相关系数值大于0.7，则移除掉一个自变量，然后再做回归分析，此方法是最直接的方法。

2、逐步回归法

让系统自动进行自变量的选择剔除，使用逐步回归分析将共线性的自变量自动剔除出去。此种解决办法有个问题是，可能算法会剔除掉本不想剔除的自变量，此时最好是使用岭回归进行分析。

3、增加样本容量

增加样本容量是解释共线性问题的一种办法，但在实际操作中可能并不太适合，原因是样本量的收集需要成本和时间等。

4、岭回归

如果实际研究中某些自变量很重要，不能剔除，此时可能只有岭回归最为适合了。岭回归可以减小参数估计量的方差，是当前解决共线性问题最有效的解释办法。