1樓：靜學社-學無止境
如果你想做logistic回歸則可以直接logistic回歸即可，為什麼要先來個方差分析，然後協方差矩陣呢？自變數有多個的話，多個自變數是乙個整體，要看整體和因變數是否有關係。你每乙個自變數和因變數單獨看是否有關係基本上沒什麼作用。
協方差矩陣表示的是線性關係，而logistic 回歸的因變數和自變數之間是非線性關係。另外你的二分類因變數和自變數直接做皮爾遜線性相關性檢測是有問題的，不太合適。
如果共線性檢測（如果樓主正確的檢測了的話）發現VIF都小於4，則可以看成不存在嚴重共線性，那麼你就以logistic回歸的結果為準。
2樓：暮雪寒泉
或者考慮採用主成分因子法以減少多重共線性，但是弊端就是解釋不太方便。
更進一步，樓主可能要考慮模型設定有沒有內生性、中介作用、調節作用的問題，然後一一排除即可。
3樓：
VIF太隨緣了,嘗試KMO檢驗和Bartlett球形檢驗
或者直接上PCA看看累積方差百分比
如果真的有問題,可以用Lasso回歸,或者用一些準則篩變數,F.AIC.BIC,SC等
新人求助，如何看待這個回歸結果？
ClaudeHscX 首先我不是對小樣本有什麼偏見，畢竟有很多資料確實沒有更精細的版本，觀測值來來回回就那麼幾個。但是既然您提到了 某省 那乙個疑問會自然而然浮現在我的腦海 其他省份的資料呢？我不相信這種省級指標會單獨針對某乙個省單獨定製，就算你只取十個省，也有5 10 50 個觀測值，至少達到了 ...
一元回歸結果當中，斜率的標準誤差是怎麼計算出來的？
清蒸蔡文雞 OLS得到的一元線性回歸引數 斜率 為 引數值是線性於Y 證明略 而估計引數的均值為 然後簡單方差公式可以得到引數的方差值 sigma是誤差項的方差。 昔日繞塔小能手 正好在看 Introduction to Linear Regression Analysis 這本書解答了這個問題。先...
為什麼線性回歸叫做 回歸 ？
這個問題也困擾我很久，我覺得身高那個均值回歸的例子沒有完全解答我和答主的疑惑，下面說說我個人的理解吧。我們可以對比回歸模型和投影模型兩種基本的計量模型，他們的估計方法都是線性擬合，估計量的表示式也是等價的，為什麼乙個叫 回歸 乙個叫 投影 呢？原因在於回歸模型在最小二乘的目標函式中是以條件期望作為因...