看房价时，房屋面积和房间数往往一起增长。把两者同时放进回归分析——用数学关系描述结果如何随多个因素变化——模型就很难判断变化该算在谁头上。这就是共线性：预测变量高度相关，主要妨碍单个系数的归因，并不等于整个模型失效。
这篇文章用 100 组模拟数据展示了这种落差。X2 与其线性相关变量 Z 的相关系数达到 0.981。加入 Z 后，X2 的估计系数从 2.045 变为 2.333；标准误——系数随抽样波动程度的衡量——则从 0.109 增至 0.574，超过五倍。与此同时，模型的 R² 仅从 0.9083 变为 0.9085，几乎没动。换句话说，整体拟合看起来仍很好，单个变量的贡献却更难说准。读回归结果时，不能只盯着 R²，也要检查变量间的相关性以及系数的不确定性；而系数本身表示条件关联，不能自动当作因果作用。