在多重线性回归中，要满足各自变量间没有共线性，在线性回归中，可以在线性回归对话框“统计量”－“共线性诊断”查看。

在结果中，一般认为容忍度（SPSS中文译为“容差”）<0.1或方差膨胀因子（VIF）大于10时认为有共线性。

下面我们以一个例子说明共线性的诊断及处理。如下面数据，我们有11年的经济数据，我们想看总产量、存储量、总消费量与进口总额的关系。我们以进口总额（y）为因变量，以总产量（x1）、存储量(x2)、总消费量(x3)为自变量，进行多重线性回归，结果如下：

我们发现结果中，进口总额与总产量没有关系，而与存储量、总消费量正相关（方程中系数为正值），这与我们常识可能不符合，我们一般认为总产量应该会影响进口额，而存储量越高，进口应该减少。再看后面容差及VIF，发现有两个VIF超过180，即存在严重共线性。

从上面例子中也可以看出，共线性会影响结果的解读，即可能使某自变量的系数偏大或偏小，甚至改变系数正负号，如果我们使用前进或后退法筛选变量，可能导致我们认为有意义的变量被踢除方程。

怎么解决共线性问题呢？有几种方法供大家参考。

1.一般产生共性问题的两个或多个变量之间相关性r值达到0.9或更高，也即我们可以人为其中一个变量代表共线性的另外变量进行回归，即选择专业上认为有意义或更容易解读的变量进行回归。在前面例子中我们发现总产量与总消费量高度相关（r=0.997，见下图），我们可以选择这两个变量其中之一进行回归；

2.可以进行因子分析，用提取的公因子进行回归分析，因子分析过程较复杂，详细可以查看书籍；

3.进行岭回归分析。岭回归原理较难理解，感兴趣的可以查看相关资料。在SPSS可以作岭回归，但不能在菜单操作，需要调用安装文件下的岭回归程序。需要的话可以找统计专业人员咨询。