Zdaję sobie sprawę, że jest to (bardzo) przestarzały wątek, ale ponieważ jeden z moich kolegów zadał mi to samo pytanie w tym tygodniu i nie znalazłem w Internecie niczego, co mógłbym mu wskazać, pomyślałem, że dodam moje dwa centy „dla potomności” tutaj. Nie jestem przekonany, że dotychczasowe odpowiedzi odpowiadają na pytanie PO.
Zamierzam uprościć problem, uwzględniając tylko dwie niezależne zmienne; rozszerzenie go na więcej niż dwa jest bardzo proste. Rozważmy następujący scenariusz: dwie zmienne niezależne (X1 i X2), zmienna zależna (Y), 1000 obserwacji, dwie zmienne niezależne są wysoce skorelowane ze sobą (r = .99), a każda zmienna niezależna jest skorelowana z zależną zmienna (r = .60). Bez utraty ogólności, standaryzuj wszystkie zmienne do średniej zero i standardowego odchylenia równego jedności, tak aby warunek przechwytywania wynosił zero w każdej regresji.
Uruchomienie prostej regresji liniowej Y na X1 da kwadrat r 0,36 i wartość b1 0,6. Podobnie, uruchomienie prostej regresji liniowej Y na X2 da r-kwadrat 0,36 i wartość b1 0,6.
Uruchomienie wielokrotnej regresji Y na X1 i X2 da kwadrat o wartości r nieco większej niż 0,36, a zarówno b1, jak i b2 przyjmą wartość 0,3. Zatem wspólna odmiana Y jest uchwycona ZARÓWNO w BOTH b1 i b2 (jednakowo).
Myślę, że OP mógł przyjąć fałszywe (ale całkowicie zrozumiałe) założenie: mianowicie, że gdy X1 i X2 zbliżają się coraz bliżej do doskonałej korelacji, ich wartości b w równaniu regresji wielokrotnej zbliżają się coraz bardziej do ZERO. Tak nie jest. W rzeczywistości, gdy X1 i X2 zbliżają się coraz bliżej do doskonałej korelacji, ich wartości b w regresji wielokrotnej zbliżają się coraz bliżej do POŁOWY wartości b w prostej regresji liniowej jednego z nich. Jednakże, gdy X1 i X2 zbliżają się coraz bliżej do doskonałej korelacji, BŁĄD STANDARDOWY b1 i b2 zbliża się coraz bliżej nieskończoności, więc wartości t zbiegają się na zero. Tak więc wartości t będą zbieżne na zero (tj. Nie będzie UNIQUE liniowej zależności między X1 i Y lub X2 i Y),
Tak więc odpowiedź na pytanie PO jest taka, że gdy korelacja między X1 i X2 zbliża się do jedności, KAŻDY z częściowych współczynników nachylenia zbliża się, przyczyniając się w równym stopniu do przewidywania wartości Y, nawet jeśli żadna zmienna niezależna nie oferuje UNIKALNEGO wyjaśnienia zależności zmienna.
Jeśli chcesz to sprawdzić empirycznie, wygeneruj sfabrykowany zestaw danych (... użyłem makra SAS o nazwie Corr2Data.sas ...), który ma cechy opisane powyżej. Sprawdź wartości b, błędy standardowe i wartości t: przekonasz się, że są one dokładnie takie, jak opisano tutaj.
HTH // Phil