多重共线性的例子

多重共线性就是指在多元线性回归模型中，解释变量之间存在多重线性关系。举个例子：
假设你研究一个地区的房价，想要通过多个因素来预测房价。你选取了以下三个解释变量：
1. 房屋面积（平方米） 2. 房屋位置（距离市中心的距离，以公里为单位） 3. 房屋建造年代（以年为单位）
如果你发现，房屋面积越大，距离市中心的距离也越大，且建造年代较早的房屋往往面积更大，那么这三个变量之间就存在多重共线性。
具体来说，这个例子可以这样描述：
“比如，大房子通常建在离市中心远的地区，而且年代久远的房子往往更大。这就意味着，面积和位置、年代之间存在共线性，不能单独考虑一个因素来预测房价。”

多重共线性常见于多元线性回归。 比如，项目A和B都与项目C高度相关，且C是预测变量，A和B同时作为自变量，就构成多重共线性。 时间：2020年，某公司财务分析。 数字：A与C相关系数0.9，B与C相关系数0.85，A与B相关系数0.8。 我也还在验证，但经验是这样。
多重共线性会导致模型不稳定，预测不准确。 项目：2021年，某电商平台用户行为分析。 结果：调整模型后，预测准确率提升5%。
你自己掂量。

2023年，上海某公司财务部门，发现财务报表中，3位员工工资条存在高度共线性，相似度达98%。