多重共线性就是解释变量线性相关，也就是说某些解释变量是其他解释变量的近似的线性函数 1# abdyxfjlty

找一些比较简单的书看看。

多重共线性有什么负面影响？影响回归的可靠性与准确性吗？

在经典模型中假设解释变量是确定性变量，不存在相关性，但现实中往往解释变量是随机的，带有相关性，也就称之为共线性

多重共线性也分程度：
(1) 完全共线性就是几个变量的某种线性组合等于零或者一个常数, 那么他们的var-cov matrix是不可逆的，理论的beta值就不存在。比如 X - Y = 0, 这时候X=Y，如果你用了X和Y做回归元，他俩的var-cov matrix就是 var(x) 乘以一个2*2的矩阵，其中每个元素都是1，这个矩阵的行列式为零，不可逆。
(2) 不完全共线性就是这个线性组合不是一个常数，而是一个随机变量，通常称之为随机误差项。

比如x1与x2为线性相关的，如学历和智商
y是工资，随学历升高而变大，随智商升高而变大
再看书就容易明白点了吧

very good I like it

很好的解释

变量中身高和体重存在较高的相关性，所以就弄出个BMI来代替身高和体重，减低多重共线性的影响。。