虽然岭回归和Lasso回归看起来操作差不多但是二者的原理确大不相同，岭回归是使用L2正则化，Lasso回归是使用L1正则化。接下来举个例子进行说明。

四、举例说明

利用线性回归研究居民消费价格指数y和农村居民消费价格x1，、城市居民消费价格指数x2以及商品零售价格指数x3之间的影响关系。其中数据来源于中国统计局网站（文末有案例数据可以下载）。

1.判断多重共线性

首先判断模型是否存在共线性问题，判断多重共线性的方法有很多这里利用VIF值进行判断。结果如下：

从结果可以看出，VIF值均大于10，所以存在多重共线性，需要进行处理，尽管处理多重共线性的方法有多种，这里选择比较常用的岭回归进行处理。

2.解决多重共线性

利用岭回归处理多重共线性问题，一般有两步分别如下：

1. 岭回归分析前需要结合岭迹图确认K值；K值的选择原则是各个自变量的标准化回归系数趋于稳定时的最小K值。K值越小则偏差越小，K值为0时则为普通线性OLS回归；SPSSAU提供K值智能建议，也可通过主观识别判断选择K值；

2. 对于K值，其越小越好，通常建议小于1；确定好K值后，即可主动输入K值，得出岭回归模型估计。

首先结合岭迹图确认K值：

结果如下：

从上图看出，以居民消费价格指数y为因变量，农村居民消费价格x1，、城市居民消费价格指数x2以及商品零售价格指数x3为自变量做岭回归，图中可以看看出，当K值为0.01时，此时自变量的标准回归系数趋于稳定，所以SPSSAU系统建议将K值取为0.01。

确定好K值后，即可主动输入K值，得出岭回归模型估计。结果如下：