如何解决多重共线性的方法

由于标准误偏大，有关总体参数的置信区间也会随之变大，在是否接受虚拟假设中，会存在问题。

在多重共线性情形中，估计的标准误增加非常快，从而使t值（β2/se(β2)）迅速变小，不显著的t值却带有一个高的R2值

当R2值极高时，我们很容易错误地理解为建立了一个具有高度拟合的模型，但也要特别注意，我们的模型可能存在着多重共线性的问题。

如果我们在进行模型回归时发现t值与R2值存在着上述情况，即t值变小R2值极高时，，往往就能够判定模型中存在着变量之间存在着高度共线性问题。

剔除变量。高度多重共线性的最大问题就是在多个回归元之间存在着相似型，以至于造成模型错误，直接剔除回归元的方法能够缓解模型中存在的严重误导。

补充大量数据。在做计量的时候最为有效的方式就是不断增加数据，增加样本容量，就能够减轻共线性的问题。