1. Якщо наявна висока мультиколінеарність, оцінки параметрів множинної лінійної кореляційно-регресійної моделі, знайдені за допомогою методу найменших квадратів, залишаються незміщеними.
2. Мультиколінеарність може не впливати на ефективність оцінок параметрів моделі, проте це не означає, що дисперсія оцінки буде відносно малою порівняно із значенням параметра регресії.
3. Оцінки коефіцієнтів регресії, отримані за допомогою методу найменших квадратів, та їхні стандартні помилки стають нестійкими, дуже чутливими до найменших змін даних.
4. Мультиколінеарність ускладнює визначення частки кожної з факторних ознак у поясненій дисперсії результуючої змінної, тобто у дисперсії, яку розраховують за множинною лінійною кореляційно-регресійною моделлю.
5. Можливе отримання неправильного знака коефіцієнта регресії.
Також виділяють практичні наслідки мультиколінеарності.
1. Наявність великої дисперсії і коваріацій оцінок коефіцієнтів регресії, обчислених за допомогою методу найменших квадратів.
2. Збільшення довірчого інтервалу для коефіцієнтів регресії.
3. Незначущість параметрів моделі.