重回帰分析とは、一つの目的変数（従属変数）について、複数の説明変数（独立変数）を用いて予測する方法のことです。偏回帰係数の推定が不安定となるのは、独立変数同士の関連性が高い場合（＝多重共線性が見られる場合）です。
重回帰分析とは、複数の説明変数（独立変数）から1つの目的変数（従属変数）を予測するための統計分析手法の一つです。回帰分析の一種であり、目的変数と説明変数との関係を数学的にモデル化し、そのモデルを用いて予測を行います。
誤り。一致性とは、標本の大きさが増加するにつれて、回帰係数の推定値が真の母集団回帰係数に近づいていく性質を指します。つまり、一致性が高いということは、推定値が信頼できるものであり、大きなサンプルでも同じような結果が得られるということです。
誤り。共通性とは、各説明変数が目的変数にどの程度寄与しているかを示す指標です。共通性は、各説明変数の重回帰係数の2乗値を足し合わせたもので、目的変数の分散を説明変数がどの程度説明できるかを示します。
誤り。独自性、ある説明変数が他の説明変数と相関が強い場合に、その説明変数が目的変数に対してどの程度独自の影響を与えているかを示す指標です。独自性は、各説明変数の共通性を1から引いた値で計算されます。
誤り。不偏性とは、標本データから求めた回帰係数が母集団の回帰係数に近い値を推定することを意味します。不偏性がない場合、標本データに基づく回帰モデルの予測値が正確でなく、誤った結論を導く可能性があります。
正解。多重共線性とは、複数の説明変数が強い相関関係にある場合に生じる問題です。多重共線性が生じると、回帰係数の推定値が不安定になったり、予測精度が低下するなどの影響が生じます。
