Мультиколлинеарность данных в эконометрике негативно влияет на точность прогнозов. 2 Вот некоторые последствия:

• Большие дисперсии (стандартные ошибки) оценок. 1 Это затрудняет нахождение истинных значений определяемых величин и расширяет интервальные оценки, ухудшая их точность. 1
• Уменьшение значений коэффициентов. 1 Может привести к неоправданному выводу о существенности влияния объясняющей переменной на зависимую переменную. 1
• Неустойчивость результатов. 2 Небольшое изменение исходных данных приводит к существенному изменению оценок коэффициентов. 2
• Затруднение определения вклада каждой из переменных в объясняемую уравнением регрессии дисперсию зависимой переменной. 1
• Получение неверного знака у коэффициента регрессии. 1

Чтобы компенсировать потерю точности из-за мультиколлинеарности, можно, например, увеличить количество наблюдений. 2 Также можно исключить из уравнения регрессор, который сильно коррелирован с остальными объясняющими переменными модели, или использовать вместо отдельных переменных их линейные комбинации. 2