想跟大家伙儿聊聊我最近捣鼓的一个小玩意儿，或者说是一个小命令，叫“collin”。起初，我是在处理一批数据，感觉那些变量之间好像有点不清不楚、不明不白的关系，互相影响似的，搞得我分析结果老觉得有点飘。我就寻思，这不行，得找个法子瞅瞅它们之间到底咋回事。
初识“collin”
就喜欢动手试试。之前也用过别的办法瞅，什么相关系数矩阵，肉眼看，累得慌。后来有朋友提了一嘴，说Stata里头有个叫 collin 的命令，专门干这个的，能帮着看看到底有没有“多重共线性”这档子事儿。说白了，就是看看自变量们是不是在“窝里斗”，互相解释对方，导致模型不稳定。
我一听，这敢情省得我自个儿瞎琢磨了。于是我就把我的数据给导进了Stata里头。
我的实践步骤
过程挺简单的，我跟大家捋一捋：
- 第一步：装命令（如果需要的话）
我先是在Stata的命令行敲了敲，看看我这软件里有没有自带这个collin。有些版本可能没有，那就得先ssc install collin一下，联网装上。我运气还行，好像是有的，或者我以前装过给忘了。 - 第二步：跑个回归
这collin命令，它不是上来就用的，得先跑个回归模型。比如我关心的是Y，影响它的有X1, X2, X3这些变量。我就先敲：regress Y X1 X2 X3。Stata就会给我报出来一堆回归的结果。 - 第三步：主角登场，用“collin”
等回归结果出来之后，紧我就敲下了collin这几个字母，然后一回车。
瞅瞅结果，发现问题
这一回车不要紧，结果刷刷地就出来了。主要看几个东西：
- VIF (方差膨胀因子)：这玩意儿挺直观的。一般都说，要是哪个变量的VIF大于10，那就得小心了，说明它跟别的自变量缠得太紧了。我当时瞅了瞅我的结果，好家伙，还真有那么一两个变量的VIF飚得挺高，十几二十的都有。
- Mean VIF：就是所有VIF的平均值。这个要是也挺大，比如大于5或者6，那也说明模型整体的共线性问题可能比较严重。我那个模型的Mean VIF也有点偏高。
- Condition Number (条件数) 或 Eigenvalue (特征值)：这个稍微复杂点，但也能看出来问题。有的资料说条件数大于30就得警惕。我主要还是看VIF，对我这种懒人来说更直接。
看到这些数字，我心里就有数了。原来我之前感觉结果“飘”，不是没道理的，这变量之间确实存在不小的共线性。这就好比几个演员抢一个戏份，都想当主角，结果把戏给演砸了。
后续咋办
发现了问题，那接下来就得想办法解决了。一般来说，可以考虑：
- 删掉一些“捣乱”的变量，特别是那些VIF特别高的，而且从业务逻辑上看也不是那么非要不可的。
- 或者把几个高度相关的变量合并成一个新的综合指标。
- 再或者，用一些专门处理多重共线性的回归方法，比如岭回归啥的。
我当时是试着把VIF最高的那一两个变量先拿掉，重新跑了回归和 collin，你别说，情况就好多了，VIF都下来了，模型也看着稳当了不少。
这个 collin 命令还是挺实用的，尤其是在做回归分析的时候，顺手敲一下，检查检查，能避免不少后续的麻烦。就像开车前检查下轮胎，虽然多一步，但心里踏实。我这就算是把我自个儿用这个小命令的经历给大家分享了一下，希望能对大伙儿有点启发。搞数据分析嘛就是得多试试，多琢磨，工具用熟了，自然就顺手了。
还没有评论，来说两句吧...