回归模型中的多重共线性 + 危害 + 原因 + 判断标准 + 解决办法，回归系数

1. 多重共线性       

        多重共线性是指线性回归模型中的解释变量之间由于存在精确或高度相关关系。

        例如：某个回归模型包含2个变量，年龄和工作经验年数，常识可知年龄越大，工作经验年数越大，两个变量可能存在高度关联，因此模型中可能存在多重共线性。

2. 多重共线性的危害

        a. 模型估计失真 或 难以估计准确 或 稳定性降低，意味着回归方程的标准误差可能会增大；

        b. 模型参数估计不准确，方差大，这也是模型估计不准的原进一步原因，至于为什么看3

        c. 无法判断单独变量的影响，计算特征贡献度；

        d. 因此自变量显著性可能会失去意义，本应该显著的自变量不显著，本不显著的自变量却是显著

3. 共线性的存在导致模型估计不准的原因

        最小化损失函数的目的是找到一组最优回归系数，宏观定义上可以理解为模型参数。多重共线性的存在会导致模型参数估计不准确，进而导致模型估计失真 或 估计不准的问题