回帰分析の標準回帰係数が大きすぎる:python linerregression

Question

###データセット
x.shape
出力：(53, 17)
y.shape
出力：(53,)

###skleanによるlinerregression
autoscaled_y = (y - y.mean()) / y.std()
autoscaled_x = (x - x.mean()) / x.std()

from sklearn.linear_model import LinearRegression

model = LinearRegression()
model.fit(autoscaled_x, autoscaled_y)

出力：LinearRegression(copy_X=True, fit_intercept=True, n_jobs=None, normalize=False)

standard_regression_coefficients = pd.DataFrame(model.coef_)
standard_regression_coefficients.index = x.columns
standard_regression_coefficients.columns = ['standard_regression_coefficients']

standard_regression_coefficients
出力：
standard_regression_coefficients
1 2.526109e+06
2 2.576842e+06
3 5.998161e+05
//
53

以上のように試したところ、標準回帰係数がe+06などとても高く出ます。一般的な例だと±１程度をよく見る気がするのですが、説明変数(17)に対してサンプル数(53)が少なすぎるなど関係があるのでしょうか。この係数が異常に高くなる要因についてご存じの方いらっしゃいましたら教えていただきたく思います。よろしくお願いいたします。

Answer 1

恐らく多重共線性のためかと至りました。ここまで係数が大きくなってしまうと、係数を解釈することにはあまり意味がなくなってしまうため、この場合は原因となる要素を除くか、回帰法を変えるしかないようですね。