다중 공선성(multi-collinearity)은 선형 회귀모형(linear regression model)이나 로지스틱 회귀(logistic regression), Cox 회귀(Cox regression)를 포함하는 일반 선형회귀모형(generalized linear regression model)을 추정할 때에 흔히 발생되는 문제입니다.
다중공선성은 예측 변수 (predictor variable)들 간에 강한 상관관계가 존재할 때에 발생하며 정확한 회귀모형 계수의 예측을 어렵게 만듭니다.
분산팽창요인(Variance Inflation Factor; VIF)의 값을 계산하였을 때 10 이상이 넘는다면 심각한 다중공선성 문제가 나타났다고 진단할 수 있습니다.
다중공선성이 나타난 경우, 변수의 값을 변형시키거나 (예: log transform또는 diagonal matrix) 상관관계가 높은 하나 이상의 예측변수를 제거하여 문제를 해결해야 합니다.
