共线性,在统计数据，预测变量(或自变量)之间的相关性，使它们在a中表达线性关系回归模型。同一回归模型中的预测变量相互关联时，不能独立预测因变量的值。换句话说，它们解释了因变量中一些相同的方差，这反过来降低了它们的统计显著性。
在回归分析中，当两个潜在的预测变量之间存在高度相关或关联时，共线性成为一个值得关注的问题p当回归模型中包含另一个预测因子时，或当确定了高方差膨胀因子时，一个预测因子变量的值(即显著性水平的降低)。方差膨胀因子提供了共线性程度的度量，因此方差膨胀因子为1或2表示基本上没有共线性，而方差膨胀因子为20或更高则表示极端共线性。
多重共线性描述了一种情况，在这种情况下，两个以上的预测变量相关联，以至于当所有预测变量都被包括在模型中时，观察到统计显著性下降。与共线性的诊断相似，多重共线性可以使用方差膨胀因子进行评估，相同的指导原则是，值大于10表明多重共线性程度较高。然而，与共线性的诊断不同，在观察多重共线性对多元回归模型的影响之前，可能无法预测多重共线性，因为任何两个预测变量可能只有较低的相关性或相关性。