collinearity

核心含义

collinearity 的核心含义是“共线性”，指多个点位于同一条直线上的几何性质。在数学中，它描述的是点集与直线的关系，例如三点共线。引申到统计学和计量经济学中，它指自变量之间存在高度线性相关关系，即一个自变量可以近似由其他自变量的线性组合表示，这会导致回归系数估计不稳定、标准误增大等问题。此外，在几何投影和计算机视觉中，共线性也用于描述特征点是否在同一直线上。从本义到引申义，均围绕“直线上的共同性”这一概念展开。

构词与来源

collinearity 由前缀 co-（共同、一起）和词根 line（线）及后缀 -arity（表示性质、状态）构成。词根 line 源自拉丁语 linea，意为“线”；前缀 co- 源自拉丁语 cum，意为“与、共同”。因此 collinearity 字面意为“共同处于一条线上的性质”。记忆时，可拆解为 co + line + arity，联想到“多个点在同一条线上”的几何图形。该词在数学和统计学中为专业术语，日常少见。

适用语境

collinearity 主要用于学术写作，尤其是数学、统计学、计量经济学和计算机科学领域。在数学论文中，它指几何中的共线性；在统计学论文中，常讨论多重共线性（multicollinearity）问题，涉及回归分析。在商务或日常口语中几乎不出现，除非涉及数据分析报告。在新闻报道中，可能出现在科技或经济报道中，但频率低。法律文本中极少使用。不同场景下，含义基本一致，但统计学语境中更强调变量间的关系，而几何语境中强调点的位置。

用法要点

collinearity 是不可数名词，通常用作主语或宾语。常见句型如：“The collinearity of the three points is evident.”（这三点共线性明显。）“Multicollinearity can affect regression results.”（多重共线性会影响回归结果。）易错点：不要与 collineation（共线变换）混淆；在统计学中，常与 multicollinearity 混用，但 collinearity 可指一般线性相关，而 multicollinearity 特指多个自变量间的高相关。

同义词区别

collinearity 与 linear relationship（线性关系）相近，但前者特指“共线”的几何性质或统计中的高度相关，后者泛指任何线性关联。与 correlation（相关性）相比，collinearity 更强调变量间可近似线性表示，而 correlation 指统计关联强度，不限于线性。在几何中，collinearity 与 alignment（对齐）相近，但 alignment 更宽泛。使用时，若强调点在直线上，用 collinearity；若强调变量间的线性依存，也用 collinearity，但若仅指一般相关，则用 correlation。

使用注意

collinearity 属于正式学术词汇，语域较高，多用于专业文献。它没有褒贬色彩，但在统计学中常被视为问题，因为多重共线性会降低模型可靠性。常见误用包括：将 collinearity 与 collineation 混淆；在非统计语境中误用为“线性”的一般意义；或将 collinearity 视为可数名词（如 a collinearity），实际为不可数。此外，在统计报告中，应明确区分 collinearity 和 multicollinearity，避免误解。

词语搭配

例句

• In geometry, the collinearity of three points can be tested by calculating the area of the triangle they form.在几何学中，三点共线性可通过计算它们所构成三角形的面积来检验。
• The regression model suffered from severe collinearity, leading to unstable coefficient estimates.该回归模型存在严重的共线性，导致系数估计不稳定。
• Researchers often check for collinearity among independent variables before performing multiple regression.研究者在进行多元回归前，常检查自变量之间的共线性。
• The concept of collinearity is fundamental in projective geometry.共线性是射影几何中的基本概念。
• High collinearity between predictors can inflate the variance of regression coefficients.预测变量之间的高度共线性会增大回归系数的方差。
• The computer vision algorithm detects collinearity among feature points to identify straight edges.计算机视觉算法通过检测特征点之间的共线性来识别直线边缘。