R语言lm()无严重共线性却出现系数因奇异性未定义问题

问题原因：四个预测变量存在完全线性依赖，属于精确的奇点问题，和你理解的“接近完全共线性”是两类情况 #

你构造的变量隐含了精确的线性等式关系：

• 按study拆分X时，天然满足 X = X_btw_study + X_wthn_study
• 按outcome拆分X时，天然满足 X = X_btw_outcome + X_wthn_outcome
  联立两个等式就能推导得到：X_wthn_outcome = X_btw_study + X_wthn_study - X_btw_outcome
  也就是说X_wthn_outcome可以完全由另外三个预测变量的线性组合表示，没有额外的独立信息，这就导致线性回归的设计矩阵秩亏，R的lm()会直接返回冗余变量的系数为NA。

你看到的两两相关系数最高只有0.71、没有接近1的情况，是因为两两相关只能检测两个变量之间的线性相关性，无法检测三个及以上变量组合形成的完全线性依赖，才会造成“无共线性”的误判。

验证方法 #

你可以运行以下代码直接验证两个变量的完全一致性：

dat$test <- dat$X_btw_study + dat$X_wthn_study - dat$X_btw_outcome
cor(dat$test, dat$X_wthn_outcome) # 输出结果为1，完全相关

解决方案 #

如果是要做分层的中心化分析，你需要调整变量构造逻辑，避免出现完全线性冗余的变量；如果是要固定study和outcome的效应，可以直接把分类变量加入模型，不需要手动拆分组间组内项。

内容的提问来源于stack exchange，提问作者Reza