向经济计量学和统计学专家们请教一个问题：在论文中判断自变量间是否存在多重共线性时，看到经常使用的是所谓膨胀因子VIF，有的说小于5即可，有的说小于10就行。但是，膨胀因子与可决系数R²的关系是：

VIF=1/（1-R²）

R²越小说明多重共线性越弱。R²的平方根是相关系数，按理，相关系数应小于0.5才算有较弱的相关性，于是应该是：R²<0.25，那就应该有VIF<4/3。当VIF=10时，R²都达到0.9了，即使VIF=5，R²都等于0.8了，怎么还能说相关性较弱呢？

请相关专家帮忙解释一下。谢谢！

昨天仔细查阅了相关书籍：李子奈、潘文清的《计量经济学（第三版）》和杰弗里、伍德里奇的《计量经济学导论——现代方法（第六版）》（清华大学出版社）得到的答案是：”多重共线性的主要问题在于使参数估计量的方差变大，而随机干扰项的方差、变量的变异度与方差膨胀因子一起决定着参数估计量的方差。如果存在多重共线性，但随机干扰项的方差σ²很小，或变量的变异度很大，都可能得到较小的参数估计量的方差。这时，即使有较严重的多重共线性，也不会带来不良后果。因此，只要回归方程的参数标准差较小，t统计值较大，就没有必要过于关心是否存在多重共线性的问题。“ 这一段话是李子奈书上的，但两本书基本意思一样。

但是，我还是觉得不妥！李子奈书也指出了，除了影响参数估计量的方差外，多重共线性将严重影响对相关变量效应的解释。比如，因变量是Y，自变量X和Z存在严重相关性，那么，回归方程中X和Z前面的系数就不能反映二者各自对Y的作用量，因为两个是同时变化的，不存在单独效应。因此，多重共线性还是要严防，否则将得到错误的因果解释！