これをもとに再度計算し直すと、(\hat{\beta}_0, \hat{\beta}_1, \hat{\beta}_2) = (2.07, 0.576, -3.91\times 10^{-3})、今度は \hat{\beta}_1=0.567 であり家賃が月収増加額に対して57.6%上昇するという随分大きな値が出てしまった。 このように、入力データが少し変わっただけで、線形回帰係数の推定値が大きく変化してしまう。 この原因は、説明変数として円単位の月収 X_1 とほぼ同じ意味を持ち相関も強い X_2、つまりドル単位の月収も含まれていることにある。 なお、もし X_1 だけ用いて予測を行っていれば、いずれの家賃データを入力として用いても回帰係数 \hat{\beta}_1 の推定値はおおよそ 0.30、つまり「月収が10,000円高ければ家賃がその約30%の3,000円程度高いところに住む傾
![線形回帰において「多重共線性があると推定が不安定になる」とは?〜図と理論で理解する〜](https://cdn-ak-scissors.b.st-hatena.com/image/square/80adfdec5f85121ad2fd9d33962e18efdef14ce8/height=288;version=1;width=512/https%3A%2F%2Fres.cloudinary.com%2Fzenn%2Fimage%2Fupload%2Fs--MT7ALtv7--%2Fc_fit%252Cg_north_west%252Cl_text%3Anotosansjp-medium.otf_55%3A%2525E7%2525B7%25259A%2525E5%2525BD%2525A2%2525E5%25259B%25259E%2525E5%2525B8%2525B0%2525E3%252581%2525AB%2525E3%252581%25258A%2525E3%252581%252584%2525E3%252581%2525A6%2525E3%252580%25258C%2525E5%2525A4%25259A%2525E9%252587%25258D%2525E5%252585%2525B1%2525E7%2525B7%25259A%2525E6%252580%2525A7%2525E3%252581%25258C%2525E3%252581%252582%2525E3%252582%25258B%2525E3%252581%2525A8%2525E6%25258E%2525A8%2525E5%2525AE%25259A%2525E3%252581%25258C%2525E4%2525B8%25258D%2525E5%2525AE%252589%2525E5%2525AE%25259A%2525E3%252581%2525AB%2525E3%252581%2525AA%2525E3%252582%25258B%2525E3%252580%25258D%2525E3%252581%2525A8%2525E3%252581%2525AF%2525EF%2525BC%25259F%2525E3%252580%25259C%2525E5%25259B%2525B3%2525E3%252581%2525A8%2525E7%252590%252586%2525E8%2525AB%252596%2525E3%252581%2525A7%2525E7%252590%252586%2525E8%2525A7%2525A3%2525E3%252581%252599%2525E3%252582%25258B%2525E3%252580%25259C%252Cw_1010%252Cx_90%252Cy_100%2Fg_south_west%252Cl_text%3Anotosansjp-medium.otf_37%3A%2525E7%252595%2525B3%2525E5%2525B1%25258B%2525E6%2525B0%252591%2525E4%2525B9%25259F%252Cx_203%252Cy_121%2Fg_south_west%252Ch_90%252Cl_fetch%3AaHR0cHM6Ly9saDMuZ29vZ2xldXNlcmNvbnRlbnQuY29tL2EtL0FPaDE0R2hPWTREMnlYeVBUUFU1TWs5QTFlQXdkM3BrcDVzZFBqanZiTW5KPXM5Ni1j%252Cr_max%252Cw_90%252Cx_87%252Cy_95%2Fv1627283836%2Fdefault%2Fog-base-w1200-v2.png)