以两个自变量的多元回归模型为例，在使用最小二乘法（OLS）去估计待估计参数时，估计量的方差与协方差公式如下：

其中ρ1，2是X1 与X2 之间的相关系数。

VIF 表明，估计量的方差由于多重共线性的出现而膨胀，随着ρ1，2趋于1，VIF 趋于无穷大，即随着共线性程度的增加，估计量的方差也增加，并且在多重共线性达到极限ρ1，2 ＝1 时，它可以变到无穷大。 还容易看到，如果X1 与X2 之间无共线性，VIF 将是1。

由此可知，自变量之间的多重共线性可能导致如下结果：

①虽然最小二乘法（OLS）估计量仍是最优线性无偏估计量（Best Linear Unbiased Evaluation，BLUE），但其方差和协方差偏大，故难以做出精确的估计。

②基于上述原因，区间估计中置信区间要宽得多，以致接受原假设（虚拟假设）更为容易。

③由于上述第一个原因，一个或多个系数的t 比率倾向于统计上不显著。

④虽然一个或多个系数的t 比率在统计意义上不显著，但总的拟合优度R2 仍可能非常高。

⑤最小二乘法（OLS）估计量及其标准误对数据的微小变化也会非常敏感。