La multicolinealidad ocurre cuando dos o más variables independientes de un modelo de regresión están tan correlacionadas entre sí que resulta difícil distinguir el efecto individual de cada una sobre la variable dependiente, ya que sus efectos se confunden entre sí.
Por qué es un problema práctico
Aunque no necesariamente afecta la capacidad predictiva general del modelo, puede hacer que los coeficientes estimados para cada variable individual sean inestables y difíciles de interpretar, cambiando drásticamente ante pequeñas variaciones en los datos, lo que complica sacar conclusiones sobre la importancia relativa de cada variable.