Мультиколлинеарность может привести к неправильным результатам в модели, потому что из-за неё вариации в исходных данных перестают быть независимыми. 1 В результате невозможно выделить влияние каждой независимой переменной в отдельности на зависимую. 1

Некоторые другие последствия мультиколлинеарности:

• Большие стандартные ошибки. 34 Это затрудняет нахождение истинных значений определяемых величин и расширяет интервальные оценки, ухудшая их точность. 3
• Уменьшение t-статистик коэффициентов. 34 Это может привести к неоправданному выводу о существенности влияния соответствующей объясняющей переменной на зависимую. 3
• Неустойчивость оценок. 34 Оценки коэффициентов и их стандартные ошибки становятся очень чувствительными к малейшим изменениям данных. 3
• Затруднение определения вклада каждой из объясняющих переменных в объясняемую уравнением регрессии дисперсию зависимой переменной. 3
• Получение неверного знака у коэффициента регрессии. 3

Мультиколлинеарность может сделать модель непригодной для анализа и прогнозирования. 4