调查数据中的多重共线性问题

一组多元回归(全是调查中的数据，影响y的四个方面进行回归）y=C+a1x1+a2x2+a3x3+a4x4，回归方程中发现，该模型拟合的还不错，只是常数项C没有通过显著性检验，且模型中不存在多重共线性；但如果把不显著的常数项C去掉后，模型拟合的效果会更好，但模型中显示存在严重的多重共线性，请问这种问题该如何处理？谢谢

决定一个数理模型优劣的标准有以下多个，拟合度的高低只是其中一个：

1。理论的要求：比如说，你所依据的理论模型是否要求截距为零？大多数可能，回答应该是否定的，因而你应该保留截距。估算出的结果截距不显著区别于零，就据此报告好了。

2。多重共线性：它的影响是使共线的各变量分别失去显著性，因此应该尽量避免，除非你的目的只是为了预测。

3。F-值：基于你的描述，F-值应该比较大，说明各自变量（包括常数项）整体对因变量有显著的解释作用。

4。t-值：因为你有多个自变量有显著的t-值，所以模型还是比较好的。

希望对你有帮助。:)

常数项没有通过t检验很正常，并不代表拟合的不好
如果r^2大，但是变量的t值不明显，考虑多重共线性的问题～

我觉得常数项在多元线性回归中是有实际意义的，不管有无统计学意义，均不可去除，表示所有协变量均为0时，y的平均水平，当然可能具体的数据不可能发生有协变量均为0的情况，但对于协变量的合理区间内求y的真实的平均水平还是有参照作用的

加入AR(1)参数后回归，包好

谢谢楼上几位的回答，不过这个问题很是很有些困惑，多元回归中 为何一个不显著的常数项对于变量的多重共线性的影响居然这样大？这是为什么呢？看了几本调查的书（其中有本是清华大学出版的，《管理统计学应用与实践》李金林主编），它们介绍的多元回归中全没有对变量的多重共线性做出分析，晕晕