路过

多重共线性你可以看变量之间的相关性呀，岭回归主程序是 proc nlin data
,网上资料一大把

现在网络这么发达，遇到问题可以先baidu，google一下。许多简单的问题很快就能找到答案。另外，软件自身的帮助也可以！

在研究问题 的自变量之间存在共线性关系时，此时如果再用经典的回归分析方法，即最小二乘法估计，这时会使均方误差变得很大，会导致参数的估计很不好，因此出于这一点，用岭回归估计代替最小二乘估计，岭回归中的关键核心问题是k值得确定问题，至于具体程序主要是在程序步的model语句选项中加入‘ridge’来确定k值，楼主可以看一下高惠璇老师编写的教材，记得上面很详细具体的，祝好！

Yes. There are several ways. Here is a ridge regression to deal with 多重共线性问题 in SAS reg

data acetyl;
   input x1-x4 @@;
   x1x2 = x1 * x2;
   x1x1 = x1 * x1;
   label x1  = 'reactor temperature(celsius)'
         x2  = 'h2 to n-heptone ratio'
         x3  = 'contact time(sec)'
         x4  = 'conversion percentage'
         x1x2= 'temperature-ratio interaction'
         x1x1= 'squared temperature';
   datalines;
1300  7.5 .012 49   1300  9   .012  50.2 1300 11 .0115 50.5
1300 13.5 .013 48.5 1300 17   .0135 47.5 1300 23 .012  44.5
1200  5.3 .04  28   1200  7.5 .038  31.5 1200 11 .032  34.5
1200 13.5 .026 35   1200 17   .034  38   1200 23 .041  38.5
1100  5.3 .084 15   1100  7.5 .098  17   1100 11 .092  20.5
1100 17   .086 29.5
;

ods graphics on;

proc reg data=acetyl outvif
         outest=b ridge=0 to 0.02 by .002;
   model x4=x1 x2 x3 x1x2 x1x1;
run;

proc print data=b;
run;