通过实际案例讨论自变量共线性关系的诊断和共线性条件下回归建模常用方法存在的主要问题以及实际建模效果。结果表明,变量筛选法在处理共线性问题时,会将一些重要的解释变量排除在模型之外,从而削弱了理论的优先地位和导向功能;岭回归、主成分回归和偏最小二乘回归都能够不同程度地减轻或消除自变量共线性的不良影响,但均不能在理论和建模效果上一致地优于其他方法。就模型的可解释性而言,在本案例中,主成分回归和偏最小二乘回归模型的回归系数含义较岭回归模型更符合人们的认识水平,但从模型的拟合和预测效果来看,岭回归模型的拟合精度明显优于主成分回归而略高于偏最小二乘回归,预测精度则低于偏最小二乘回归,岭回归模型可能存在过度拟合问题;主成分回归模型的拟合与预测精度均不理想。综合而言,偏最小二乘回归建模在自变量共线性数据的处理方面较其他几种方法更为稳健,其拟合和预测效果比较理想。