急,共线性分析，请高手帮忙！

shiyiming

这是我用SAS进行共线性分析的结果:
[b:3hntada5]Parameter Estimates[/b:3hntada5]
[u:3hntada5]________________________________ Parameter  Standard  ________________________Variance
Variable______Label_________ DF_____Estimate___Error______t Value____Pr > |t|____Inflation
                                                                                                                              
_COL6___光纤向下移动距离____1_____0.55710______0.15959___3.49____0.0009_____7.15072
_COL5___腐蚀时间___________1_____0.06707______0.01698____3.95____0.0002_____6.95289
_COL1___温度_______________1_____0.88800______0.11138____7.97____<.0001____18.23336[/u:3hntada5]

[b:3hntada5]Collinearity Diagnostics[/b:3hntada5]               
[u:3hntada5]Number__Eigenvalue__Condition____ Proportion of Variation
____________________Index________COL6____COL5_____COL1
1________2.67346___1.00000______0.01661__0.01704__0.00750
2________0.29149___3.02850______0.23776__0.24888__0.00000458
3________0.03505___8.73384______0.74563__0.73408__0.99249[/u:3hntada5]
由于条件数较低,本可以忽略它们的共线性,但温度的VIF为18.23336>10以及各变量的Proportion of Variation都大于0.5,不知可否忽略它们的共线性,以及如何解读Collinearity Diagnostics,表中各参数的意义何在.希望高手帮忙解答.

shiyiming

你提到的问题是很做做应用的人不知道的，知道的也不过用相关分析去解决，让我来抛砖引玉吧：
1.首先，第一个表结果和第二个表是等价的，第二个表只是更详细的罗列出方差的来源，其背后的算法是主成份分析法。所以你看到的number1-number6是主成份分析的主因子（我的理解）。
2.那么，一般情况下，我们只看第一个表，第一个表中的最后一列VIF=1/（1-R*R），其中R是把该变量当作因变量，其余变量当作自变量得到的回归平方和。所以，如果变量间具有贡献性（比如我们设定一个阈值5），那么一定成对出现。
3.根据你的显示，这三个变量显然都具有共线性，因此你必须删除其中两个。

shiyiming

谢谢大侠的指点, 我会跟进的