最后还是用的逐步回归啊，书是浏览了一遍，还是没有很懂呢！

，那楼主最后怎么做的啊

多重共线性解决方式挺多，不过你是不是可以先数值中心化试下，没准就好了

如果满足主成分分析的条件，先对自变量进行主成分分析。
保存抽取的主成分，把主成分当作自变量，再与应变量进行回归分析。
https://bbs.pinggu.org/thread-1426629-1-1.html

假設有X1、X2、X3三個預測變量(變量或稱變項、變數)，Y為效標變量(依變量)。

其中X1與Y的相關最高(設為0.9)，所以是最重要的變量。
X2分別與X1及Y都有高相關(設為0.8)，是第二重要的變量，但是X2與X1有共線問題。
X3分別與X1及Y都有低相關(設為0.2)，所以X3是不重要的變量，但是X3與X1沒有共線問題。

如果用逐步迴歸，則選入的變數可能是X1與X3，
X2因為與X1有高相關(共線)，因此被剔除了。
X3能進入，主要得利於X1先進入方程式，X2就無法進入。

如果自行選擇重要的變量(或是進行三次簡單相關)，
則可能是X1與X2進入模式(因為與Y的相關較高)，X3因為與Y的相關最低，因而被剔除。

所以，使用不同的方法，得到的結果就不同。

逐步迴歸雖然可以解決多元共線性的問題，
但是，最後得到的預測變數，不見得就是重要的變數。

最後，如果使用X1與X3預測Y，解釋量可能比較高，
而使用X1與X2預測Y，解釋量反而較低。

确实，这也是我写论文苦恼的问题。我与同学讨论了也没得到一个很好的结论。

那如果不满足呢，自变量没有那么多，不好做主成分分析的啊

自行选择重要变量，这不是建立回归模型的方法吧!虽然某个自变量与因变量相关性较高，但最后由于共线性的原因你还是得舍弃一个的啊！你所选的变量我觉得还得考虑一下

我不是在說明該如何選擇變量，而只是在回答你原來的問題

你的問題難道不是
1.用spss做消除多重共线性时
2.使用了兩種方法:(1)用逐步回归法;(2)剔除一些不重要的解释变量方法
3.兩種方法所得的解释变量不同
4.原因是什麼?

再者，你也未說明如何剔除不重要的變量

求教：我用spss做消除多重共线性时，在用逐步回归法和剔除一些不重要的解释变量方法得到的解释变量不同是为什么啊？

你有回答吗？貌似我没有看到你得到的结论啊

我是有回答。的確，"貌似" 你看不懂我的說明。

大家说有木有专门的机构或公司是帮人做数据统计的呀，实在需要呀