VIF 多重共线性：阈值 5 和 10 分别意味着什么
回归前必做的共线性诊断。解释 VIF 计算逻辑、5/10 经验阈值、遇到高 VIF 时的处理顺序，并对照 Stata estat vif。
VIF 是什么
方差膨胀因子（VIF）衡量「某个自变量能被其余自变量线性解释的程度」。对每个变量做辅助回归：VIF = 1/(1−R²)。VIF=10 对应 R²=0.9，意味着该变量与模型中其他 X 高度重叠。
SchoolStore 对每个选中变量（含截距的辅助回归）计算 VIF：≥5 提示中等共线性，≥10（默认阈值，可调）提示高共线性。Stata：regress y x1 x2 …；estat vif。
阈值 5 和 10 不是硬性法律
Hair 等教材常建议 VIF<10 可接受，VIF<5 更稳妥；部分领域（如宏观多指标）可能放宽，但需在文中论证。核心看：系数符号是否稳定、标准误是否异常大、理论是否允许删除/合并变量。
VIF 针对线性回归自变量之间，不直接诊断 X 与 Y 的关系。单个高 VIF 变量可能是控制变量之间重叠（如 firm size 与 employee count），不一定否定整个模型。
遇到高 VIF 怎么办（按顺序）
第一步：看相关矩阵，找出 r 极高的变量对，判断是否测的是同一概念（如「主观绩效」与「上级评分绩效」）。第二步：考虑保留理论核心变量、删冗余控制变量或合并指标。
第三步：若必须同存（如交互项与主效应），中心化/标准化有时可略降 VIF，但不能从根本消除共线。第四步：主成分/指数合成需谨慎，需理论支持并做稳健性。
不建议：为了 VIF 好看而删掉理论关键变量；或在不报告的情况下反复试删变量（p-hacking）。
与条件指数（Condition Index）的关系
部分 SPSS/Stata 输出还包含条件指数与方差比例，用于更细诊断。SchoolStore 当前聚焦 VIF 表，可满足课程与论文常规报告；若期刊要求完整共线性诊断，请在 Stata 用 collin（需安装）或相关命令补充。
面板数据中，Within 变换后的 VIF 与 pooled OLS 不同，应在 FE 模型设定下重新检查。
论文里怎么写
方法或结果脚注：「方差膨胀因子（VIF）均小于 10（最大 VIF = …），表明多重共线性在可接受范围内。」若某变量 VIF 偏高但保留，说明保留理由（理论必需、删后模型不完整等）。
VIF 应在主回归表之前报告；不要只在附录提一句。与 SchoolStore 流程：相关矩阵初筛 → VIF 定量诊断 → OLS/中介/调节。