解决所有解释变量中的多重共线性很重要，因为一组变量（三个或更多）之间可能存在线性相关，但在所有可能的变量对之间没有。

使用方差膨胀因子丢弃解释变量的阈值是主观的。以下是宾夕法尼亚州立大学 (2014)的建议：

VIF 是衡量估计回归系数的方差有多大$b_k$由于模型中预测变量之间存在相关性而“膨胀”。VIF 为 1 表示两者之间没有相关性$k_{th}$预测变量和剩余的预测变量，因此方差$b_k$根本没有膨胀。一般的经验法则是，超过 4 的 VIF 需要进一步调查，而超过 10 的 VIF 是需要纠正的严重多重共线性的迹象。

请记住始终坚持先前制定的假设以研究变量之间的关系。保留对解释响应变量更有意义的预测变量。

逻辑回归中的多重共线性与其他类型的回归同样重要。请参阅：逻辑回归 - 多重共线性问题/陷阱。