“在回归前你应该借助皮尔森矩阵进行相关性分析，两个变量的相关系数达到07就很有可能存在多重共线性。stata可以计算方差膨胀因子，vif大于5，就可以确定模型受到多重共线影响，最好剔除冗余因子。”

我努力地在脑海中回忆什么是方差膨胀因子。

见我沉默，秦烬继续道：“你说之后打算使用aic来更好地确定模型的变量，这种方法是完全从统计学角度构建理想模型，有的时候是违背经济学直觉的，并不适合用来判断假设。”

我默默点头，记下他的意见。

说实话，我十分茫然，已经跟不上他的思路。

本来我还觉得我专业课的知识学的不错，至少每学期的奖学金是不用愁的，但到了秦烬面前，我简直就像刚刚蹒跚学步的小学生刚开始学加减乘法，而他在跟我讲高数和微积分。

秦烬大概是见我表情实在迷茫，格外开恩地补充：“还有，模型阶数并不是越高越好的，有可能会导致模型过度拟合，意味着你把先前数据的随机误差同样纳入了模型中，所以削弱了预测的准确性。”

他大概是怕我还不明白，微微俯下身，旋开钢笔，在空白的本子上简练地写下了一串刚劲有力公式思路和对应的stata指令，叫我凑近了看。

此时他距离我只有一指的距离，从我的角度几乎能数清他根根分明的睫毛，接着，我的视线游移向下，停留在他直挺的鼻梁和淡色的薄唇上。

其实我听懂了，但舍不得这短暂的时间过去，于是故意没有出声，只是附和着他时不时点头。