取决你的methods了 象stepwise自己会remove严重的共线变量(student ttest会NS)
一般来说covariances之间很难完全独立 如果可能的话还是在modeling之前动作
推荐输出scatterplot matrice 如果collinearity是存在与2个变量之间的 就比较好发现了
如果是几个协变量的共线就比较麻烦了 我记得可以用VIF来检查 一般在10以下都可以接受吧
解决办法最好是从数据设计开始 如果只做分析 无能为力的话 可以考虑remove共线严重的 不过要小心 从想回答的问题开始考虑 如果remove 样本还能不能满足你的假设
其次components regression也是比较推荐的 我记得还有一个叫Ridge Analysis可以用 不过我没接触过
至于residual examination只是对模型性能的一个体现
最小的sse实际就是最大的r-square 当然这个要综合的看 比如F test和T test 甚至Sample size calculation

建议先去掉多重共线性，要不然是不是存在虚假回归的问题啊

高手，崇拜ing，虽然好多不懂，那些我自己再去查查资料，谢谢啦O(∩_∩)O~
2# colinwang

Agree with colinwang, another thing you might consider is for variables that might be collinear is to try them both in different models (i.e. one model with one choice and then another model with the alternative collinear choice) if they are truly collinear you should get the same coefficients - if however they are not, then the coefficients will be different and you may find that having them both adds to the performance and economic intuition of the model

沙发讲的真好。。