Người ta sử dụng một số thống kê có tên là hệ số tương quan Pearson để lượng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa hai biến định lượng. Trong phân tích hồi quy các biến nhân tố phải có mối tương quan với nhau, nếu giữa 2 biến có sự tương quan chặt (Pearson > 0,4) thì phải lưu ý vấn đề đa cộng tuyến khi phân tích hồi quy. Trong phân tích tương quan Pearson, không có sự phân biệt giữa các biến độc lập và biến phụ thuộc mà tất cả đều được xem xét như nhau.
Đa cộng tuyến là trạng thái trong đó các biến độc lập có tương quan chặt chẽ với nhau. Vấn đề của hiện tượng cộng tuyến là chúng cung cấp cho mô hình những thông tin rất giống nhau, và rất khó tách rời ảnh hưởng của từng biến một đến biến phụ thuộc. Hiệu ứng khác của sự tương quan khá chặt giữa các biến độc lập là nó làm tăng độ lệch chuẩn của các hệ số hồi quy và làm giảm giá trị thống kê t của kiểm định ý nghĩa của chúng nên các hệ số có khuynh hướng kém ý nghĩa. Hơn nữa, khi có hiện tượng đa cộng tuyến thì hệ số xác định R square vẫn khá cao dù thống kê t ít có ý nghĩa vì không có nhiều những biến đổi khác biệt giữa các biến số
độc lập do chúng thực sự có mối quan hệ với nhau và dễ dàng bác bỏ giả thuyết “không” của thống kê F và cho rằng mô hình ước lượng có ý nghĩa. Để nhận dạng hiện tượng đa cộng tuyến, có thể sử dụng hệ số độ sai lệch cho phép (Tolerance) hoặc hệ số phóng đại phương sai VIF (Variance inflation Factor). Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), khi Tolerance nhỏ thì VIF lớn, quy tắc vượt quá 10, đó là dấu hiệu của đa cộng tuyến. Trong quá trình phân tích hồi quy bội, đa cộng tuyến được SPSS chuẩn đoán bằng lựa chọn thống kê đa cộng tuyến (Collinearity Diagnostic).