多重共线性 multicollinearity:症状识别与处理

多重共线性(multicollinearity)指两个或多个自变量高度相关,使模型难以分离各自对 Y 的独立影响。
典型症状:F 检验整体显著、R² 很高,但单个系数 t 检验都不显著(矛盾现象);系数的标准误膨胀、符号可能与经济逻辑相反。
检验:观察前述矛盾症状,或用方差膨胀因子 VIF(一般 VIF>10 提示严重共线)。
修正:剔除冗余自变量、合并变量或增大样本。
易错点:多重共线性不影响预测精度,但让系数解释失真;它不改变系数无偏性,影响的是估计方差。
你删变量时是靠经济逻辑还是靠 VIF?有没有遇到过系数符号反转的情况?来分享你的处理思路。