A multicolinearidade é um estado de intercorrelações ou interassociações muito elevadas entre as variáveis independentes. É, portanto, um tipo de perturbação nos dados e, se presentes nos dados, as inferências estatísticas feitas sobre os dados podem não ser confiáveis.

Existem certas razões pelas quais a multicolinearidade ocorre:

É causado pela utilização errada de factores fictícios.

É causada pela consideração de uma variável que é processada a partir de diferentes fatores no índice informativo.

A multicolinearidade pode igualmente resultar da redundância de um factor semelhante.

Em geral, acontece quando os fatores estão profundamente relacionados uns com os outros.

A multicolinearidade pode trazer alguns problemas. Estas questões são como se segue:

O coeficiente de recidiva a meio caminho devido à multicolinearidade pode não ser avaliado de forma absoluta. O erro padrão provavelmente será alto.

A multicolinearidade traz um ajuste nos sinais tal como na extensão dos coeficientes de recidiva fracionária a partir de um exemplo e depois para o exemplo seguinte.

A multicolinearidade torna tediosa a avaliação da importância relativa das variáveis independentes no esclarecimento da variedade trazida pela variável dependente.

Dentro da visão de alta multicolinearidade, os intermédios de certeza dos coeficientes se tornarão, em geral, excepcionalmente amplos e as percepções serão, em geral, extremamente pequenas. Acaba sendo difícil rejeitar a especulação inválida de qualquer investigação quando a multicolinearidade está disponível na informação em análise.

Existem certos sinais que ajudam o pesquisador a detectar o grau de multicolinearidade.

Um desses sinais é se o resultado individual de uma medição não for enorme, no entanto o resultado geral da medição é enorme. Nesta ocasião, o cientista pode obter uma mistura de resultados críticos e irrelevantes que mostram a proximidade da multicolinearidade. Suponha que o especialista, após dividir o exemplo em duas secções, descobre que os coeficientes do exemplo contrastam definitivamente. Isto mostra a proximidade da multicolinearidade. Isto implica que os coeficientes estão instáveis por causa da proximidade da multicolinearidade. Suponha que o cientista observa mudanças intensas no modelo, basicamente incluindo ou deixando cair alguma variável. Isto também mostra que a multicolinearidade está disponível na informação.

A multicolinearidade pode igualmente ser reconhecida com a ajuda da resiliência e é igual, fator de inflação de variância (VIF). Na hipótese remota de a estimativa da resistência ser inferior a 0,2 ou 0,1 e, ao mesmo tempo, a estimativa de VIF 10 ou mais, nesse ponto a multicolinearidade é perigosa.