Эта ошибка постоянно встречается  у новичков при моделировании всяких явлений через регрессии, вот свежий пример Пробит-регрессии на 1230 точках результатов матчей баскетболистов НБА.

Это - изображать себя   ... умным.


Первоначальная регрессия, которую я сразу и поправил - была составлена не через три индепендент фактора, а "побольше вали в кучу! маловато будет" - через 8 факторов, вроде бы это лучше даст результат. Но получилось ровно наоборот. "Хотели как лучше, а получилось как всегда. "
Смотрите = 


Лог. максимального правдоподобия ГОРАЗДО лучше ( - 167.2 против второго случая -752 КРУТО!!!),
а также псевдо Р-квадрат также гораздо лучше ( 0,8 против 0, 12). Чего еще желать?

НО. И еще раз НО. Любой вдумчивый аналитик сразу увидит, какие беды творит мультиколлинеарность факторов.
Главные коэффициенты регрессии - то есть коэффициенты регрессии при главных объясняющих факторах 
= РОВНО ОБРАТНОГО ЗНАКА.
То бишь - хорошая передача (assist) влияет отрицательно на победу баскетболистов, а потеря мяча (turnover) - наоборот, положительно.
Также и локэйшин - матч у себя дома - влияет отрицательно. Смотрите предыдущую публикацию - там всё наоборот Правильно!

Когда Путин/Медведев наберут КабМин с 10-ю зам-завами или с 20-ью еще черт знает кто за что отвечает, ну чего можно ожидать кто в лес, кто по дрова?