Multikollinearität liegt vor, wenn die Prädiktoren (innerhalb einer multiplen linearen Regression) sehr hoch untereinander korreliert sind und somit die gleiche Varianz erklären. Das hat einerseits einen Einfluss auf die Güte der Signifikanztests, andererseits wird aber auch die Schätzung der b-Gewichte sehr ungenau (siehe auch: Varianzinflationsfaktor). Da Multikollinearität bedeutet, dass einer der beiden Prädiktoren überflüssig ist, kannst du sie in Griff bekommen, in dem du dir überlegst, welcher der beiden hochkorrelierenden Prädiktoren, der wirklich erklärende für das Kriterium (deine zu erklärende Variable innerhalb der Regression) ist. Dieser wird dann im Modell belassen und der andere entfernt.
