比较常用的是VIF（variance inflation factor），即方差扩大因子。
一般认为，VIF大于10时，存在严重的多重共线性。
解决多重共线性问题：逐步回归解决多重共线性问题的核心：建模前，先选择变量，使进入模型的自变量尽可能不相关。
选择自变量的原则：将一个或一个以上的自变量引入回归模型中，是否可以使残差平方和（SSE）显著减少。常用的选择变量的方法主要有：向前回归、向后回归、逐步回归、岭回归等。
向前选择：从零开始，不断增加自变量，直至无法使SSE增加为止。
向后选择：从包含所有变量开始，不断减少自变量，直至无法使SSE增加为止。
逐步回归：将上述两种方法结合，进行自变量筛选。
由于Excel无法完成逐步回归，下面采用SPSS进行逐步回归。
逐步回归法SPSS实操用SPSS进行逐步回归分为以下3步：
1、分析-回归-线性
2、添加自变量和因变量，选择逐步回归
3、根据指标VIF筛选，从后往前选择合适的模型
具体操作如下：
1、分析-回归-线性
2、添加自变量和因变量，选择逐步回归
Statistics窗口中，勾选“共线性诊断”
3、根据指标VIF筛选，从后往前选择合适的模型
