Stata 多重共线性怎么判断：VIF 多大算严重

Stata 多重共线性怎么判断？先看每个变量的方差膨胀因子 VIF：小于 5 良好，5 到 10 中度，大于 10 严重；再看容忍度（VIF 的倒数）和条件数，最后判断共线性会不会伤到你关心的单个系数。本站「VIF共线性诊断」在一次运行中给出 VIF、辅助回归、两两相关、效应量与条件指数。

很多人把 VIF 当作一票否决的开关，其实它是诊断指标而不是假设检验。下面按照数据、VIF 读法、条件数和写作要点四步说明。

多重共线性诊断的数据要怎么排

数据应为一行一个观测、每个变量一列的表，变量必须是定量的，至少 2 个。VIF 必须在完整样本上计算，任一变量缺失即整行剔除。以下结果来自本站演示数据（模拟生成，不代表真实研究结论）：120 条记录，无缺失，三个变量。

列名	角色	放进哪个区
工作压力得分	参与诊断的变量	分析变量
情绪耗竭得分	参与诊断的变量	分析变量
职业倦怠得分	参与诊断的变量	分析变量

前提核查有六条：变量为定量、变量数不少于 2、无常数列、样本量大于变量个数、无完全线性相依、缺失按列表删除处理。本例全部满足，辅助回归的残差自由度为 117。

Stata 多重共线性怎么做

1. 上传数据，在方法列表里找到「VIF共线性诊断」。
2. 把需要诊断的变量全部拖进「分析变量」。
3. 点开始分析，报告依次给出描述统计与前提、两两相关、VIF 与辅助回归、效应量与条件指数、结论五张卡。

Stata VIF 与容忍度怎么读

VIF = 1/(1−R²ᵢ)，其中 R²ᵢ 是以该变量为因变量、其余变量为自变量的辅助回归的决定系数；容忍度是 VIF 的倒数。本例情绪耗竭得分的 R²ᵢ 为 0.471，VIF 为 1.892，容忍度 0.529；工作压力得分 R²ᵢ 为 0.409，VIF 1.693；职业倦怠得分 R²ᵢ 为 0.379，VIF 1.610。三者都小于 5，判读良好。

在常规同方差 OLS 方差公式的比较下，VIF 对应该斜率标准误相对于正交设计的 √VIF 倍膨胀，本例分别是 1.376、1.301 和 1.269 倍。两两相关只是前兆：工作压力与情绪耗竭 r=0.610（中强相关），工作压力与职业倦怠 r=0.512，情绪耗竭与职业倦怠 r=0.583，但两两相关不高也可能存在一个变量被其余几个共同解释的共线。

辅助回归的 F 检验原假设是该变量与其余变量线性无关，也就是 R²ᵢ=0、VIF=1，它检验是否存在关联而非关联是否严重。本例三个变量的 p 都小于 0.001，不能据此说共线严重，要看 VIF 的数值。

条件数与方差分解怎么读

诊断到某个变量的 VIF 后，还可以沿设计矩阵的特征方向检查哪些斜率共同不稳定。条件指数提供方向性警示，方差分解则帮助定位共享该方向的变量。本例设计矩阵的条件数为 20.24，判读为弱到中度共线（10 到 30）。报告使用的联合参考是：某个特征方向的条件指数超过 30，并且至少两个变量在该方向的方差比例超过 0.5；这是诊断参考而非分布检验。本次没有任何主成分同时满足，因而未触发该经验判据。

要把 VIF 与条件数一起报告，不要只挑好看的那个。

下表沿特征方向列出三个斜率的方差比例。它补充 VIF 无法定位的方向信息，判断时应在同一行联合检查条件指数与多个变量，而非跨行拼接较大的比例。

论文里怎么写

可以照这个句式写，数字换成自己的结果：

对工作压力、情绪耗竭与职业倦怠三个变量做多重共线性诊断（N=120）。方差膨胀因子分别为 1.693、1.892 和 1.610，均小于 5，容忍度均大于 0.5；设计矩阵条件数为 20.24，无任何主成分同时满足条件指数大于 30 且两个以上变量方差分解比例大于 0.5，未发现实质性共线。

多重共线性常见错误

• VIF 高就剔除变量：结合研究目标与识别要求评估斜率稳定性，预测表现仍需独立验证。
• 用辅助回归的 p 值判断严重程度：该检验的原假设与严重性问题不同，另报 VIF 数值。
• 哑变量组、交互项与主效应的高 VIF：这类共线是结构性的，不能按 VIF 逐个剔除。
• 只报 VIF，不报条件数：两者给出的印象可能不同，要一并报告。

开通会员后可导出 Word / PDF 报告、使用 AI 解读。导出后仍应核对本次样本与变量设置。

延伸阅读

• VIF共线性诊断帮助文章：适用前提与报告说明
• Pearson相关性分析
• 帮助中心：全部方法索引