多重共线性指的是什么

多重共线性是指自变量之间存在线性相关关系，即一个自变量可以是其他一个或几个自变量的线性组合。 在多元线性回归模型中，多重共线性的存在会导致回归系数的估计不稳定，使得模型结果不可靠。为了度量多重共线性的严重程度，可以使用方差膨胀系数(VIF)，它表示回归系数估计量的方差与假设自变量间不线性相关时方差相比的比值。VIF的值越大，表示自变量的容忍度越小，越有共线性问题。通常以VIF大于10作为判断存在多重共线性的边界。 当数据中存在多重共线性时，可以选择删除变量、使用主成分分析(PCA)方法处理，或者使用带有正则化项的模型，如Lasso等进行建模。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* [多重共线性——VIF](https://blog.csdn.net/weixin_46847902/article/details/123932714)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"]
- *3* [机器学习:多重共线性](https://blog.csdn.net/yeshang_lady/article/details/114524954)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]