方法/步骤
1、首先，先教大家如何使用SPSS多元线性回归分析
2、接下来是范例说明：
此案例是希望找到与营收相关的多元回归式
原先加入参数有：5个
调整後回归R方：0.888 / 显着性：皆小於0.05
看起来相当拟合，无任何差错
3、可依个人需求，勾选需要参考的指标
若是没有勾选，只会出现既定标准的指标
在此需加入 Statistisc中的 "共线性诊断"
4、排除共线性强因子，可用偏相关查看是否确实应该排除
主要是看 VIF值是否大於2 （大於2，表示共线性极强需改善）
否则会有交互作用
5、最後模型拟合程度，可在excel中
做主次座标清楚检视
在数学上，回归模型变量的VIF等于总模型方差与仅包含该独立变量的模型方差之比。为每个自变量计算该比率。
容忍度的倒数，VIF越大，显示共线性越严重。经验判断方法表明：当0＜VIF＜10，不存在多重共线性；当10≤VIF＜100，存在较强的多重共线性；当VIF≥100，存在严重多重共线性.
自变量x的方差膨胀因子记为VIF，它的计算方法为：VIF =（1-R^2）-1
式中，R^2是以xj为因变量时对其它自变量回归的复测定系数。
一般认为，如果最大的VIF超过10，常常表示多重相关性将严重影响最小二乘的估计值。
扩展资料：
当多重共线性严重时，应采取适当的方法进行调整。容忍度的值界于0至1之间，当容忍度值较小时，表示此自变量与其他自变量之间存在共线性。容忍度这个变量回归系数的估计值不够稳定，则回归系数的计算值也会有很大误差。方差膨胀系数是容忍度的倒数，VIF越大，表示自变量的容忍度越小，越有共线性问题。
参考资料来源：百度百科-方差膨胀系数
