Многоколлинеарность делает регрессионный анализ ненадёжным, потому что она затрудняет определение индивидуального влияния каждой независимой переменной на зависимую. 12

Некоторые последствия многоколлинеарности:

• Увеличение стандартных ошибок. 12 Коэффициенты становятся менее точными, и доверительные интервалы вокруг них расширяются. 1 Из-за этого сложно определить, являются ли коэффициенты статистически значимыми. 12
• Нестабильность коэффициентов. 2 Они могут значительно меняться при включении или исключении других переменных. 2 Даже небольшие изменения в наборе данных могут привести к большим изменениям в оценённых параметрах, что приводит к несогласованным выводам. 2
• Неправильная интерпретация модели. 2 Модель становится более чувствительной к незначительным изменениям данных. 2 Это может привести к неверной интерпретации отношений между переменными. 2

Чтобы повысить надёжность регрессионного анализа, необходимо выявлять и устранять многоколлинеарность перед выводом заключений по результатам анализа. 1