इसका मतलब है कि आपका डिज़ाइन मैट्रिक्स उल्टा नहीं है और इसलिए इसका उपयोग प्रतिगमन मॉडल विकसित करने के लिए नहीं किया जा सकता है। यह रैखिक रूप से निर्भर स्तंभों, यानी दृढ़ता से सहसंबद्ध चर से परिणाम देता है। अपने चर के जोड़ीदार सहसंयोजक (या सहसंबंध) की जांच करें कि क्या कोई चर है जो संभावित रूप से हटाया जा सकता है। आप सहसंयोजकों (या सहसंबंधों) की तलाश कर रहे हैं। 0. वैकल्पिक रूप से, आप संभवतः आगे के चरणबद्ध प्रतिगमन का उपयोग करके इस चर चयन को स्वचालित कर सकते हैं।
यह अवलोकनों की तुलना में अधिक चर होने के परिणामस्वरूप भी हो सकता है, जिस स्थिति में आपका डिज़ाइन मैट्रिक्स संभवतः पूर्ण रैंक नहीं है। यह ठीक करने के लिए थोड़ा मुश्किल है, लेकिन तरीके हैं। मेरा मानना है कि जब डेटा "व्यापक" होता है तो लसो रिग्रेशन अच्छा काम करता है।
ध्यान रखें: यदि आप लस्सी या स्टेप वाइज वाइज चयन करने का निर्णय लेते हैं, तो आपका काम केवल बहुस्तरीयता को संभालने से ज्यादा (चर चयन के संदर्भ में) है।