Мультиколлинеарность может негативно влиять на точность регрессионного анализа. 4 Вот некоторые последствия:

• Неустойчивость коэффициентов модели. 1 Конкретные результаты могут сильно различаться в зависимости от выборок, что делает модель неспособной пройти проверку на другой выборке из той же генеральной совокупности. 1
• Снижение точности оценки отдельных коэффициентов. 4 Это происходит потому, что при сильной корреляции двух регрессоров в выборке они, как правило, меняются одновременно, и трудно отличить влияние одного регрессора на зависимую переменную от влияния другого. 4
• Усложнение интерпретации влияния факторов на изучаемый объект. 3 На целевую переменную оказывают эффект сразу несколько признаков, и невозможно с точностью интерпретировать каждый из них. 2

Однако если моделирование было нацелено на прогнозирование будущих значений зависимой переменной, то наличие мультиколлинеарности при условии достаточно большого коэффициента детерминации (R^2 больше или равно 0,85) не окажет значимого влияния на качество прогноза. 3