似乎可以，常用主成分分析将各指标缩减为有一定意义的综合指标，且他们不相关，并赋值，再做回归分析，从而解决了多重共线性问题

当变量较多时，常会先利用主成分分析法来缩减变量，然后再通过回归分析，分析各缩减后的变量对输出的影响。主成分分析法的思想是：变量较多时，大部分变量（80%）对输出影响很小，只有少数变量（20%）对输出有明显的影响，主成分分析就是通过对原变量的线形组合，来减少变量的个数；方法是利用试验得到的数据求出原变量构成的协方差矩阵，然后通过求协方差矩阵的特征值及相应的特征向量，来确定新变量的数目及其线形组合方式。具体实现方式，可以通过MatLab中的princomp或pcacov命令来实现，接下来就可以进行回归分析了。

似乎可以，常用主成分分析将各指标缩减为有一定意义的综合指标，且他们不相关，并赋值，再做回归分析，从而解决了多重共线性问题

我用主成试试，结果出来就给大家些鼓励。

结果有没有？我很想知道，因我也有一个类似的问题 ！！！