Дорогие эксперты, подскажите пожалуйста!

Если вдруг в многомерном регрессионном анализе (логистическая регрессия или Кокс - регрессия) в
уравнение включаются заведомо не независимые факторы ... то какова "плата" на выходе за подобное нарушение?

Или по-другому, какую "поправку" вы предложили бы, зная, что две или более ковариаты связаны корреляционной зависимостью?
Если ответ требует с моей стороны литературной подготовки - буду признателен за совет.
Я изучил последнее руководство Дрейпера и Снипа по прикладному регрессионному анализу, понял про мультиколлинеарность с
математической стороны, но плохо разобрался в практических последствиях данного нарушения.

Спасибо!

1 измерьте "цену" напрямую, например простейший вариант складной нож --- исключаете одно значение по очереди, для остальных считаете модель и делаете предсказание для исключенного. как вариант исключаете сразу два или три значения. полученная статистика позволит заполнить обычную таблицу с ошибками первого и второго рода и оценить насколько можно доверять методу.

2 если интересует только прогностическая сила модели а не интерпретация коэффициентов, трансформируйте данные PCA, от мультиколлинеарности не останется и следа (в принципе получающиеся главные компоненты вполне интерпретируемы, я например не очень понимаю всеобщих стонов на эту тему)

Спасибо! Вроде разобрался. Получается, роль корреляций между переменными в логистической или Кокс-регрессии несколько преувеличена ...