我目前正在一个项目中，我必须估计不同工作项（任务）的平均处理时间。
我有以下面板数据：
我的样本量是n = 2000个个体工人，T = 10（每个时间间隔是四个星期）
自变量：51个不同的工作项。我有每个工作项目的计数数据（每个工人在四个星期内执行的次数）
因变量：工人的总工作时间（超过4周）
我的分析目标是找到回归系数（它们是每个工作项平均完成时间的估计值）。我还可以将其他回归指标（工作项目除外），例如经验，年龄...纳入我的模型。
y = Bo + B1 * X1 + ... + BkXk + e y：总工作时间； X：工作项数问题：
现在，我完成了数据的清理和处理，并进行了一些探索性的数据分析。
某些工作项有很多零（该工作项在该时间段内仅由几名工人执行一次或两次）。
从VIF中，我可以看到自变量中存在不完善的多重共线性。一些自变量的VIF为5到6。
问题：
我查看了箱形图并消除了每个回归变量的离群值，我发现一些回归变量高度偏斜（由于存在很多zéros）。
我还针对总的完成时间绘制了每个回归变量，以查看是否存在任何线性关系。这样的话，其他看起来更像是二次关系。
除了消除具有高VIF的回归变量以外，还有什么方法可以处理多重共线性？这是因为我需要估算每个工作项的系数。
我应该将截距设置为0吗？我肯定知道，当所有回归变量都为0时（工作项的数量全部为0，我的总工作时间应该为零）。
对于该问题，我也欢迎提出任何建议/建议。谢谢！