Singularidade refere-se ao caso em que duas ou mais variáveis explicativas são, de fato, variáveis independentes.

Havendo multicolinearidade entre as variáveis explicativas de um modelo, o poder preditivo de determinada variável explicativa tende a aumentar na medida em que essa variável esteja linearmente associada às demais variáveis explicativas do modelo.

A multicolinearidade resulta em partes menores de variância compartilhada e níveis mais altos de variância única, da qual os efeitos das variáveis independentes individuais podem ser determinados.

Considere os modelos ajustados via método de mínimos quadrados ordinários ,em que x₁ e x₂ são variáveis explicativas e y representa a variável dependente. Nessa situação, é correto afirmar que se a correlação linear entre x₁ e x₂ for nula, então β₁ = β₂

Considere que x₁ e x₂ são variáveis explicativas com correlação nula e que y representa a variável dependente. Considere, ainda, que a correlação linear entre x₁ e y seja igual a 0,6 e que a correlação linear entre x₂ e y seja igual a 0,5. Nessa situação, é correto afirmar que o modelo ajustado na forma possui coeficiente de determinação (R²) superior a 50%