多重共线性(Multicollinearity)是指线性回归模型中的解释变量之间由于存在精确相关关系或高度相关关系而使模型估计失真或难以估计准确。产生原因主要有3个方面:(1)经济变量相关的共同趋势(2)滞后变量的引入(3)样本资料的限制影响(1)完全共线性下参数估计量不存在(2)近似共线性下OLS估计量非有效多重共线性使参数估计值的方差增大，1/(1-r2)为方差膨胀因子(Variance Inflation Factor, VIF)如果方差膨胀因子值越大，说明共线性越强。相反 因为，容许度是方差膨胀因子的倒数，所以，容许度越小，共线性越强。可以这样记忆:容许度代表容许，也就是许可，如果，值越小，代表在数值上越不容许，就是越小，越不要。而共线性是一个负面指标，在分析中都是不希望它出现，将共线性和容许度联系在一起，容许度越小，越不要，实际情况越不好，共线性这个"坏蛋"越强。进一步，方差膨胀因子因为是容许度倒数，所以反过来。总之就是找容易记忆的方法。(3)参数估计量经济含义不合理(4)变量的显著性检验失去意义，可能将重要的解释变量排除在模型之外(5)模