留学生论文问卷与统计分析支持（支持中文沟通）｜The Brain（더브레인)
联系方式：010-7204-7567
kakaotalk链接：https://open.kakao.com/o/skGTeMCh
官网链接：官网入口
目录
在韩国写论文的时候
很多人做回归分析时
都会看到一个指标：
VIF
但大多数时候
只是简单看一眼
没有太在意
直到出现这种情况：
变量明明有关系
但回归结果却不稳定
这时候
往往就涉及一个问题
📊 多重共线性
简单来说
就是
👉 自变量之间太相似
看起来是不同变量
但实际上
在表达类似的内容
这种情况下
就会出现几个典型现象
1️⃣ 系数忽大忽小
同一变量
在不同模型中
系数变化很大
甚至方向发生改变
2️⃣ 原本显著，后来不显著
单独分析时
变量是显著的
但放进回归模型后
却变得不显著
3️⃣ 模型结果不稳定
稍微调整变量
结果就会变化
这种情况
通常说明模型受到了干扰
那VIF在看什么？
📊 VIF（方差膨胀系数）用来判断
变量之间是否存在过高相关
一般来说
VIF越高
说明变量之间越相似
当VIF过高时
回归结果的稳定性就会下降
但要注意一点
📊 VIF不是唯一标准
有时候
即使VIF不高
变量之间也可能存在逻辑重叠
所以
不能只看一个数值
慢慢会发现一件事
📊 回归分析中
问题往往不是“变量不够”
而是
变量之间太多“重复信息”
在韩中国留学生写论文
很多人会不断增加变量
但如果这些变量本身相似
反而会让模型变得混乱
如果你现在回归结果不稳定
可以先想一个问题
你的变量
是在提供不同的信息
还是在重复表达同一件事？