多重共线性的处理(主成分回归方法)-瑟嘉

本文主要是对多重共线性的处理（主成分回归法）的介绍。

1.思路：

A:确定是否存在共线

B:找出多重共线的自变量

C:用主成分回归法。

2：具体操作：

1）一般的书都有共线性的判断指标。这里就省略了(^_^)

2）找出多多重共线性的自变量：

以下是具体操作：

在spss，regresion―――statistic中有个

Collinearty dagnostics，它就可以判断哪些变量是否存在共线性。

如，给出它的一个实例：

【变异构成（V ariance Proportion）:回归模型中各项（包括常数项）的变异被各主成分所解释的比例，即各主成分对模型中各项的贡献。如果模型中某个主成分对2个或多个自变量的贡献均较大（大于0.5）,者这几个自变量贡献。】

上面例子可以看出，x4,x6之间存在共线性。

3）主成分回归。

这个包括3部分:

A:找到主成分：用上面确定了有共线的几个变量拿来做成分分析，保留主成分得分。

（这个在factor中，应该狠容易实现吧，那我就省略了，^_^）

B:回归分析：将A步骤求得的主成分得分，与其他的自变量（没共线性的其他自变量）拿来做回归分析，当然会得到回归模型。（MODEL，代表）

C:用那些共线性变量，来替换MODEL中的主成分变量.

（因为可以用主成分回归系数，根据主成分的表达式，很容易用自变量代替主成分）