我們許多復雜的鏈接都包含許多變量。通過簡單的劃分，如果我們有100個，則環保企業vi設計公司每個人平均只會影響總影響力的1％。然后，當我們向客戶展示模擬器時，他們感到驚訝的是，將100個輸入變量之一乘以1個評分標度點的一半會導致結果太小而無法引起高級管理層的興趣或引起他們的興趣。像其他潛在問題一樣，最好在設計階段修復此問題–盡可能減少預測模型中的變量數量。

我們可能將一些事務調查與關系調查聯系起來，并將關系調查與某些結果度量聯系起來。螺栓連接本身包含錯誤，這是兩個不同過程的結果：

• 事務調查和關系調查是在不同的上下文中進行的，即使它們的措辭相同，其中的問題也可能會因所詢問的上下文而有所偏差。可能沒有辦法解決這個問題，但是要意識到這一點并使上下文盡可能相似是值得的。

• 包含交易和關系調查的樣本可能非常不同，并且以復雜的方式很難通過簡單的權重進行分類。僅舉一個例子，許多交易調查會進行基于頻率的抽樣（例如，頻繁的客戶會收到更多調查），而關系調查則不會。

• 與生動的術語相類推的可能是，不同的上下文和采樣效果意味著螺栓太緊，在孔中擺動，而連接到螺栓的螺母的螺紋尺寸錯誤，可能方向相反。結果，應該盡量減少鏈接模型中內置的螺栓數量。

當環保企業vi設計公司跨受訪者查看兩個或多個變量一起上下移動時，就會發生多重共線性。如果在三個零售屬性“寬走道”，“光線充足的停車場”和“廣泛選擇”之間發生多重共線性，那么當三個屬性中的任何一個較高時，三個屬性均趨于高，而當任何一個屬性較低時，則趨于低。 –即它們是高度相關的。因此，當我們要模擬“寬通道”的改進時，例如，如果我們僅以不發生這種情況的方式對其進行模擬（就其本身而言，其他兩個屬性的得分都沒有增加），我們就是在懲罰該屬性，相對于自然界（或我們的數據集中）的發生方式。

多重共線性會導致一系列技術問題，最重要的是，這會導致模型變得不穩定–在模型所產生的重要性中增加了誤差，使結果可能極具誤導性（某些重要性可能比應有的要小得多） ，而其他的可能更大）。

多重共線性問題的最佳解決方案是將其固定在研究的設計階段：仔細地預先測試和構建屬性列表以完善其心理計量特性。另外，我們可以選擇在鏈接模型中的重要性權重基于有效的已聲明重要性重要性度量，例如最佳最壞縮放，Q排序，成對比較方法或恒定總和縮放。如果我們不嘗試從受暈輪影響的高度相關的預測變量中得出重要性，則多重共線性問題就消失了。

受訪者彼此不同。環保企業vi設計公司有不同的口味和喜好以及快捷按鈕。您可以想象，如果我們能夠為每個受訪者建立一個單獨的重要性模型，那么人們對不同屬性的權重將有所不同，這就是受訪者異質性的含義。

當我們運行派生的重要性模型時，環保企業vi設計公司獲得了一組屬性重要性權重，這些權重代表了所有受訪者的平均重要性。當然，這個平均值可以掩蓋一些非常重要的差異。實際上，平均值可能根本代表不了任何受訪者。