78 / 274
多元迴歸的自變數比較與多元共線性之影響：效果量、優勢性與相對權數指標的估計與應用
78
標可概分成三類：適用於模式本身的整體解釋力或局部解釋的效果量、個別自變數的
效果量與相對重要性指標。這些統計量如果能夠建立抽樣分配，即可使用
NHST
進行
參數意義的統計顯著性檢定與區間估計，例如
R
2
可使用
F-test
，相關係數與迴歸係數
使用
t-test
。如果參數的抽樣分配不明確（例如一般優勢指數
D
g
與
RIW
數值），則必
須以拔靴法來建立信賴區間，同樣也可以進行區間估計。
值得注意的是，由於各指數所排列的
IV
優劣次序通常不一致，對於
IV
何者重要
的判斷必須訴諸主觀，因此經常造成研究者在比較與解釋上的困擾。後期學者則致力
於提出單一指標與客觀策略來進行相對重要性的判斷，然而許多學者仍主張乘積係數
是
IV
相對貢獻高低的主要指標（溫福星，
2013
；
Fields, 2003; Nimon and Oswald,
2013
），但近來學者則多主張以
DA
與
RWA
來取代。本文也即是針對相對重要性的
核心議題，亦即多元共線性的不同型態，進行探討。
參、多元共線性與壓抑效果
一、共線性的定義與效果分類
多元共線性
(Multicollinearity)
問題源自於迴歸分析當中所存在的壓抑效果
(Suppression Effect)
的關注。
Horst (1941)
最早發現，某個與
DV
無關的
IV
，會因為後
來投入的其他
IV
而發生整體效果量提升且係數放大的現象，因而將之定義為壓抑變
數
(Suppressor)
，因為後來投入的
IV
「壓抑」了殘差，使得原來的迴歸效果產生變化。
為了區分不同形式的係數變化關係，
Conger (1974)
進一步定義出三種不同形式的壓抑
效果：傳統壓抑
(Tradiational Suppression)
、負向壓抑
(Negative Suppression)
與交互壓
抑
(Reciprocal)
，對於這三個概念，
Cohen and Cohen (1975)
則稱之為典型壓抑
(Classical
Suppression)
、淨壓抑
(Net Suppression)
與合作壓抑
(Cooperative Suppression)
。其中傳
統／典型壓抑即是指
Horst (1941)
所發現的係數由不顯著成為顯著的現象，負向壓抑
則是指原本對於
DV
有正（負）相關的
IV
在迴歸模型中卻得到負（正）向迴歸係數
的逆轉現象
(Darlington, 1968)
。最後，交互／合作壓抑則是指兩個
IV
均與
DV
具有正
相關，但因為
IV
間存在的負相關而導致兩個
IV
的效果均提升的現象，相關較低者被
視為主要的壓抑變數。
Conger (1974)
與
Darlington (1968)
等學者對於壓抑效果的定義，皆關注於迴歸與
相關係數的比較，亦即 。其他學者（例如
Currie and Korabinski, 1984;
Hamilton, 1987; Schey, 1993; Sharpe and Roberts, 1997; Velicer, 1978
）則從模型解釋力的
增減來定義壓抑效果，亦即
R
2
>
，其中
r
Y1
與
r
Y2
為
IV1
及
IV2
與
DV
的零階
相關。
Friedman and Wall (2005)
整合兩者的概念，將壓抑效果再區分成增強
(Enhancement)
、壓抑
(Suppression)
與重疊
(Redundancy)
三種型態，並整合統計學者
（例如
Lynn, 2003; Neill, 1973; Shieh, 2001; Sharpe and Roberts, 1997
）的推導整理出三
者發生的條件，如圖
2
所示。