多重共线性里的 x5 变量，挺容易让人误判的。你把x5加进模型，R²虽然高达 0.95，结果系数不显著，t 值才-0.2，明摆着是没戏。嗯，这时候就得果断剔除。那组y = 0.164 x1 + 0.042 x2，t 值高，结果也稳定，R²还是 0.94，挺漂亮的一组模型。

你要是经常和回归打交道，推荐你顺手收藏几个代码资源，MATLAB和Python这块都有人帮你封装好了。像这个线性拟合源码，函数直接能跑，带数据和图形输出，响应也快。

共线性问题怎么判断？最常用的就是看相关系数。你可以用Python 的皮尔逊计算法，或者Spearman 等级相关，都挺方便的。数据不是线性关系的时候，Spearman 更适合。

要做逐步回归？MATLAB 版逐步回归功能比较全，自动选变量那块做得还不错。而如果你更习惯SPSS，也有详细共线性问题的文章，适合快速入门。

建议你建模前，先跑一遍相关系数排序，剔除高度相关的变量。别全靠 R²，t 值才是判断变量有没有用的关键。如果你不确定，就用LTreg.m试试看，直接输出每个变量的 p 值和系数，效率高不少。

如果你用的是金融数据，这个协方差和相关系数的 MATLAB 应用也值得一看，对风险建模蛮有。