5# edson

你把变量告诉我们，我们好帮你具体分析阿。。。

这种现象在实际操作中经常会遇到。统计上看，问题常在于多个自变量间存在比较严重的多重共性线；理论上，可能是多个自变量间存在调节效应或中介效应。因此，楼主应该结合起来分析产生这个问题的原因。

这个。。怎么告诉你。。。我都不知道那些变量是什么意思。。。就是一堆字母缩写。。。 6# 夸克之一

你连变量是什么都不知道，那等会儿如何写报告啊。。

这么说把，ls有一位从理论上讲了这个问题。既然原题里没有说明变量是什么，那我们看一个实际的例子。

y是工人工资，x1是年龄，x2是教育，x3是性别，x4是工作年数。

当模型中只有x1、x2和x3时，x1的系数应该是正值且显著，也就是说一般而言年龄越大工资越高（一般实证中还有一个年龄的平方项，这里不提）。

但是，当你加入了x4之后，x1的系数可能就变得不显著。因为工作年数和年龄是线性相关的。由于x4的存在，x1的系数极有可能变得不显著。

我不能肯定你的模型也是上述问题。但上述的情况在计量实践中是普遍存在的。你可以看一下x1和x4的相关性，或者reg x1 x4试试看。

8# edson
你把字母缩写告诉我，也许可以猜出是什么意思。。

或者你告诉我们是哪本教材上的习题，也许其他网友知道呢。。

可能是你加入的变量与其它变量共线性，你可先检查下相关系数，如果相关系数很高，说明该变量与其它变量产生的共线性

可能模型设定本身就有问题，看看伍德里奇的书，估计你能找到答案

广义线形模型的话 变量间存在线形关系 在做stepwise时就会出现这个问题
输出一个Information matrix来判断
在regress后输入vce就可以得到
如果协变量不独立的话 就要小心了
解决方法是排除后看R-square的变化 或者做multivariate analysis

显然年龄越大 工作年龄也越有可能大 所以你要看具体要回答什么问题
有没有协变量是必须要保留的 比如工作年龄是你的primary covariate
把可能模型都拟合出来 然后作residual analysis 判断它的优劣性

14# colinwang
他自己不知道那些变量是什么。。年龄那个例子只是我提到，并不是楼主具体遇到的。。。

多谢了~！就是这个问题，回归过了，二者相关性很强。。。。但是实际上，有很多变量，即使他们完全没关系，但是通过回归也会发现他们是有很强的相关性啊！这能说明问题么？？？ 9# 夸克之一

非常感谢
！！ 17# 夸克之一

我的模型也面临同样的问题///

您好，那如果相关系数在回归可允许的范围之内呢？

你好！很感谢你的回答，计量小白学到了！ 但是还存在一个疑问，reg x1 x4后，发现他们的相关性很显著，这个时候要怎么处理这个问题呢？我看类似的论文也使用了一样的变量，但是他们的逐步回归过程并不会因此不显著
期待指导，祝好！