檢視共线性的原始碼

{| class="wikitable" align="right"
|-
|<center><img src=https://www.kfzimg.com/G05/M00/2B/8D/p4YBAFkWg2eAcU6LAAUkCUmfLZ8131_s.jpg width="250"></center>
<small>[https://search.kongfz.com/product_result/?key=%E5%85%B1%E7%BA%BF%E6%80%A7&status=0&_stpmt=eyJzZWFyY2hfdHlwZSI6ImFjdGl2ZSJ9 来自 孔夫子旧书网 的图片]</small>
|}

'''共线性'''是全国科学技术名词审定委员会审定、公布的科技类名词。

关于中国[[文字]]的起源<ref>[https://www.sohu.com/na/585329105_121164128 中国汉字是怎样起源的？源始于殷商？文字有600年的历史？]，搜狐，2022-09-15</ref>主要有两种观点：起源于刻画符号和“图画文字”起源说<ref>[https://www.sohu.com/a/146154600_594411 揭秘中国最古老的文字是来源图画还是记号？]，搜狐，2017-06-05</ref>。我们现在已知的最早的文字是安阳殷墟出土的[[甲骨文]]。

==名词解释==

共线性，即同线性或同线型。统计学中，共线性即多重共线性。

多重共线性（Multicollinearity）是指线性回归模型中的解释变量之间由于存在精确相关关系或[[高度]]相关关系而使模型估计失真或难以估计准确。

一般来说，由于经济[[数据]]的限制使得模型设计不当，导致设计矩阵中解释变量间存在普遍的相关关系。完全共线性的情况并不多见，一般出现的是在一定程度上的共线性，即近似共线性。

产生原因

主要有3个方面：

（1）经济变量相关的共同趋势。

（2）滞后变量的引入。

（3）样本[[资料]]的限制。

影响

（1）完全共线性下参数估计量不存在。

（2）近似共线性下OLS估计量非有效。

多重共线性使参数估计值的方差增大，1/(1-r2)为方差膨胀因子(Variance Inflation Factor, VIF)如果方差膨胀因子值越大，说明共线性越强。相反 因为，容许度是方差膨胀因子的倒数，所以，容许度越小，共线性越强。可以这样记忆：容许度代表容许，也就是许可，如果，值越小，代表在数值上越不容许，就是越小，越不要。而共线性是一个负面指标，在分析中都是不希望它出现，将共线性和容许度联系在一起，容许度越小，越不要，实际情况越不好，共线性这个“坏蛋”越强。进一步，方差膨胀因子因为是容许度倒数，所以反过来。总之就是找容易记忆的方法。

（3）参数估计量经济含义不合理。

（4）变量的显著性检验失去意义，可能将重要的解释变量排除在模型之外。

（5）模型的预测功能失效。变大的方差容易使区间预测的“区间”变大，使预测失去意义。

需要注意：即使出现较高程度的多重共线性，OLS估计量仍具有线性性等良好的统计性质。但是OLS法在统计推断上无法给出真正有用的信息。

==参考文献==
[[Category:800 語言學總論]]