1、在线性回归模型时，存在这样一种假设，即各个解释变量之间不存在很强的关系。如果解释变量之间存在很强的线性相关关系，就认为数据之间存在共线性问题。
2、在解释变量中，有某一解释变量可由其他解释变量线性表出。
3、共线性会导致回归参数不稳定，即增加或献皲咝犴删除一个样本点或特征，回归系数的估计值会发生很大变化。总结下，另埔杼凉共线性对线性模型影响回归模型缺乏稳定性。样本的微小扰动都可能带来参数很大的变化；难以区分每个解释变量的单独影响；参数的方差增大；变量的显著性检验失去意义；影响模型的泛化误差；
4、多重共线性诊断发现系数估计值的符号不对；某些重要的解释变量t值低，而R方不低当一不太重要的解释变量被删除后，回归结果显著变化
5、多重共线性处理主要方法有：增加样本量、变量聚类、方差膨胀因子、相关系数、逐步回归、PCA、L1 L2正则化
6、共线性检验看模型系数，和实际业务是否螽啸镥释相符合。（注：在进行完证据权重转化后，系数正负，不在具有实际的业务意义。当woe是好客户占比/坏客户占比时，系剞麽苍足数都为负，反之系数都为正。（相关原因可以公式推导））模型R^2较高，通过F检验，系数不能通过t检验
