数据有多重共线性?

数据多重共线性指自变量之间存在高度相关关系，比如身高和体重、年龄和工龄等。当自变量相关系数超过0.8时，模型可能不稳定，标准误差增大。比如房价预测中，房间数和面积同时出现，会导致系数符号异常。多重共线性还让变量重要性难以判断，比如广告投入和销售额同时加入模型时，无法区分各自影响。

多重共线性的影响

多重共线性会降低模型精度，比如回归系数可能从正变负。实际应用中，它让预测结果波动大，比如新数据加入后系数变化剧烈。解决方法包括删除相关变量、增加样本量或改用主成分分析。比如用"房屋总面积"替代"房间数"和"建筑面积"，能有效减少共线性问题。