你所提到的这个问题的确很让人头疼，特别是经济变量更是如此。很多都有共线性的，顾此失彼的很难处理。希望论坛里的高手多多指教！

个人觉得伍德里奇的导论说得很清楚，楼主可以参考下，简要来说，伍德里奇认为有两点：
1、多重共线性问题不重要，只要不是完全共线性，可以忽略，解释变量之间必然是有一定联系的，不然也用不着多元回归了。
2、关注重要变量是否显著，若是其他解释变量不重要，显不显著问题不大，比如截距项。当然，一般来说，模型的大部分解释变量肯定都是显著的，不然模型构建怕是有问题。

受教了啊。

惊奇的发现，今天论坛热帖中的《陆铭说审稿》解释了这个问题：
在我看过的中文杂志的
审稿报告中，另一个常常出现的错误是，审稿人提出作者的解释变量之间存在共线性。其实，
如果解释变量完全没有共线性，那么，就不需要多元回归技术来分析问题了，遗漏变量问题
也就不是问题了。当然，高度相关的解释变量同时放在模型里，会使各变量的系数出现不显
著的情况，这时，请不要轻易丢掉其中的一个（或几个），否则，当你这样做时，虽然剩下
的变量系数显著了，但它的系数却可能存在估计偏误，因为，你把与它相关的变量放到模型
的残差项里去了。通过减少解释变量的个数来增强模型中解释变量的显著性，这只能在问题
足够重要、样本又非常小，而且作者只关心系数的方向时才可以，不过，现在这很难成为让
人接受的理由。

太感谢了啊~字数字数字数