你好，你给我发的邮件我看到了，但从你的回归结果，可以得到以下几点：
1、回归拟合的不好，一般调整R2要>0.8，才能说明一个多元回归的拟合效果好，而且，仅对样本点而言的。而你的调整R2是0.305，属于严重你好不好的哪种。
2、虽然F结果很好，说明自变量整体对因变量有影响，但仅凭其不能说明回归结果理想。而且，很多变量检验没通过。
3、从共线性统计量看，容差都大于0.1，即VIF不大于10，说明不存在严重的多重共线性。
4、但从特征值是否接近0，条件指数是否大于10的标准看，特别是维度5，存在严重的多重共线。
综合以上可以得到以下结论：
1、回归效果不好。
2、数据中存在多重共线现象，
3、可能是四大事务所和净资产收益之间关联性较大。
进一步确定：
1、可以用净资产收益做因变量，四大事务所做自变量，做辅助回归；
2、做自变量的相关系数矩阵，看看有没有相关性较大的。
修正：
1、进行主成分回归或岭回归即可。
希望对你有启发。

判断多重共线判断，见附件

能直接看一下我的数据吗？
我看过一些多重共线性判断的材料啦，就是有点迷惑才来求助啦~

多重共线判断
判断多重共线一般不能仅根据一个统计指标判断，笔者经验，仅供参考：
首先。分析数据资料的实际产生情况，对资料数据间关系进行分析，一般而言，截面数据中，和企业规模、类型等有关的数据，在同类企业中可能存在共线。截面数据问题不严重，但多重共线性仍然是存在的。
其次。对数据进行相关系数分析，当|p|大于R2，共线有害。要重视，否则可以不考虑。
再次。根据统计量判断。在OLS法下：R2与F值较大，但t检验值较小，说明各解释变量对Y的联合线性作用显著。当VIF大于10时，存在严重的多重共线性。
最后。最麻烦，也是最好的判断方法。将其中每个解释变量看做其它解释变量的函数，做线性回归，求出K-1个拟合优度。如果某个拟合优度接近1，且F检验值大于临界值。则此方程成立，即说明该解释变量和其它解释变量线性相关。
以上仅供参考，共同学习！

同学你70币的文章里面就写了这些东西真的好吗？

你把数据给我，我给你看看吧