共线输入：拟合稳定也可能系数不稳
回归对已观察结局拟合很好，仍可能无法有力区分相似输入各自的贡献。预测变量一起变动时，系数变化可以互相抵消。把拟合稳定理解成组件归因稳定之前，先检查设计矩阵与实际希望支持的结论。
本任务交付辅助回归、系数与拟合值敏感性表，以及哪些组合被数据区分的说明。方差膨胀因子是特定模型下预测变量设计的诊断，不是因果检验，也不是自动删除某列的命令。
定义设计，不只盯某个系数
设两个虚构数量型工作负荷指标，横一和横二，使用公开定义的归一化单位；结局是完成固定研究任务的分钟数。它们是测量值，不是随机分配的独立处理，因此下文系数不能直接解释为其他一切不变时，改变工作负荷的因果影响。
statsmodels的VIF文档说明方差膨胀与解释变量矩阵的关系。保存究竟纳入哪些列、哪些观察、怎样处理截距。若诊断采用另一份样本或遗漏计划截距，就可能与最终模型不匹配。
下列五行全部是假设。小样本便于复算，不支持精确总体结论。应保留行标识与完整精度，不能仅凭舍入后的图判断变量是否线性依赖。
| 行 | 横一 | 横二 | 原结局，分钟 | 加入扰动 |
|---|---|---|---|---|
| 甲 | 1 | 1.1 | 15.4 | +0.04 |
| 乙 | 2 | 1.9 | 19.5 | −0.13 |
| 丙 | 3 | 3.2 | 25.7 | +0.20 |
| 丁 | 4 | 3.8 | 29.3 | −0.17 |
| 戊 | 5 | 5.0 | 35.1 | +0.06 |
先重建辅助回归
用含截距及横一的回归解释横二，拟合值为零点零九加零点九七倍横一。残差依次零点零四、负零点一三、零点二、负零点一七、零点零六，正好就是表中教学扰动列。
残差平方和为零点零九一。横二均值为三，中心化总平方和为九点五，所以辅助决定系数为一减零点零九一除以九点五，约零点九九零四二一。采用含截距的常规定义，VIF为一减该值后的倒数，约一百零四点三九五六。
这是以某个预测变量为目标、其他列为输入的辅助模型，不是结局对全部变量回归的决定系数。只有两个非恒定预测变量并含截距时，平方相关对两者给出相同VIF；更多变量时，要建立对应辅助回归，不能只拿一对相关替代。
在通常同方差线性模型方差计算下，VIF把某系数的方差与“自身变异相同，但不被其他纳入列线性解释”的设计比较。一百零四是方差乘数，不是结局误差放大一百零四倍，更不是系数大小变一百零四倍。标准误相应乘数为其平方根，前提是比较条件成立。
同时比较系数与拟合值
先用截距、横一和横二拟合原结局，再向结局加入最后一列，用相同设计重拟合。最大结局改变零点二分钟，即十二秒。
| 数量 | 原结局拟合 | 扰动后拟合 |
|---|---|---|
| 截距 | 9.897802 | 9.807802 |
| 横一系数 | 1.231868 | 0.261868 |
| 横二系数 | 3.802198 | 4.802198 |
| 这些行上最大拟合值变化 | — | 0.20分钟 |
横一斜率减少零点九七，横二增加一。这个案例刻意选择敏感方向：扰动等于横二，减零点零九，再减零点九七倍横一。代入即可解释截距与两个斜率为何分别改变负零点零九、负零点九七、正一，而残差模式保持不变。
这是构造的敏感性情景，不是在说任何随机十二秒测量误差都会造成相同变化。它证明已有预测变量几何允许组件贡献大幅重新分配，同时在观察组合上的拟合结局只发生相对较小变化。不能把这个存在性演示写成真实误差分布的概率结论。
一个明确联合对比，可以显示什么仍然稳定。若横一增加一，同时横二增加零点九七，沿辅助拟合方向移动，原模型给出的结局变化约四点九二分钟，扰动模型同样为四点九二。代数上，系数变化贡献负零点九七，加上零点九七乘正一，恰好抵消。
这个联合关联，与固定横二不变、单独改变横一不同。样本对后者提供的独立变异很少，因此沿工作负荷模式移动的证据，可能比隔离组件贡献更有支持。但它仍是所选模型下的关联，不是实际干预因果；应报告具体对比及单位，而不把所有线性组合都叫作单项效应。
原拟合值也没有被证明适合新任务。若查询未观察组合横一为五、横二为一点一，两模型预测差为一点一减零点零九减零点九七乘五，等于负三点八四分钟。两个坐标分别都在原列范围内，组合却远离已有模式；训练行上稳定，不是对所有新预测的保证。
近依赖与完全不可识别分开
主例横二接近横一的线性函数，却并非完全相等，所以完整设计仍能分别估计系数。可靠性还需要取样模型和适当不确定度；五观察、三参数，残差信息非常有限，不能把打印出来的系数当成精确机制。
作为简短边界，若把横二完全改成横一，模型只能识别两斜率之和，无法分别识别。重复相同预测组合不会创造缺少的对比。软件可能删掉一列或选择某个数值解，但该选择不是独特实质贡献的证据，也不能凭其默认结果宣布其中一项没有作用。
这与人为精简析因实验造成的列别名应分开。本题主要核对近乎重复的测量输入及其斜率稳定性，不是再写一遍实验生成关系。应保存变量为何进入模型及其解释目标，而不能让一个共同数学名称替代实际研究问题。
改单位不会凭空增加信息
分钟改秒会改变系数单位。标准化可以改善数值条件，让部分比较更方便；但含截距时，对预测列做普通线性缩放，不会改变常规辅助决定系数或VIF，也不会产生两个工作负荷指标原先没有的独立变异。
例如横二全部乘十，辅助拟合变成零点九加九点七倍横一，残差和总离差平方和同时乘一百，比值保持不变。结局模型中横二斜率除以十，拟合结局不变。打印出来的系数大小不同，只是单位改变，不是新增组件识别；复核时应同时检查单位及同一输入下的预测。
矩阵条件数可能受单位影响；改变变量基底、编码或变量集合，也会改变诊断和系数含义，应逐项说明。合并成综合工作负荷指标，可能是有用的新目标，但其系数已经不是原本声称的横一或横二单独贡献。别把新指标名称当成已经解决旧归因问题。
VIF文档把大于五列为一种建议，不能改写成普遍删除规则。删掉真正混杂变量可能引入偏差，低VIF也不证明调整具有因果有效性。正则化可通过惩罚或附加假设稳定拟合，却不会自动补齐分开组件所需的证据。
建立系数识别核验表
| 记录 | 保留什么 | 复核问题 |
|---|---|---|
| 设计矩阵 | 列、编码、截距、样本 | 是否与最终拟合同一设计 |
| 辅助模型 | 预测目标、决定系数 | 是否从正确回归计算VIF |
| 结局扰动 | 原值、改后值 | 构造情景还是随机误差模型 |
| 结果 | 系数和拟合值变化 | 是否分开归因与预测 |
| 结论目标 | 关联、预测或因果 | 设计是否支持该解释 |
| 处理 | 新对比、综合目标或限制 | 改了什么假设与信息 |
在可行且符合目标总体时，寻找预测变量能分别变动的新观察；保存测量定义，先查两个指标是否只是同一构念的重复表达，再收集更多相同模式。如果分别归因仍无支持，就报告联合关联或有限预测表现，而不是挑其中显著的一项作为真实机制。
新增输入对比应按设计需求安排，不按结果是否有利来挑行。若为了降低诊断值删掉不方便的响应，可能引入选择偏差。样本总数增长，也不能替代所需方向的变异；重复原来近乎同一条线的组合，与取得两指标分别变化的观察，提供的信息并不相同。
输入修订、新列加入或新任务改变联合模式时，应重新检查。保留系数和拟合值两个层面的比较。最终结论说明数据究竟能区分什么，不能把稳定拟合平均值等同于对每个组件都有可靠解释。
常见问题
高VIF意味着模型完全不能预测吗？
不一定。观察联合模式内部分预测可能稳定，而单独斜率脆弱。
标准化就能消除共线吗？
不会凭空增加信息。普通线性单位缩放，不改变含截距的常规辅助决定系数。