相关系数r=0.8并不意味着一定存在多重共线性。

一般的多重共线性使用VIF指标，VIF指标与容差指标乘积固定为1，容差指标是自变量之间相互进行回归后的R方与1的差值。

因此，查看变量之间的相关是对的，因为可以直接根据相关系数矩阵推导出VIF值。但是相关系数r=0.8并不意味着一定存在多重共线性。

此外，VIF指标的判断属于经验标准，常见的有3、4、5和10的临界值。

首先，相关性是两个变量之间的关系，而多重共线性则不然。相关性高共线的可能很高，例如大于0.8；但是相关性小不意味着共线性弱，需要结合VIF判断。另外，理论上我们只关注核心解释变量的显著性和符号即可，共线性在某种程度上并不是问题。

初步判断是否存在多重共线性：一般如果两个变量的相关系数大于0.7或者0.5，模型中很可能存在多重共线性，具体是否存在，需要做一个vif，即方差膨胀因子
reg y x1 x2
estat vif 看vif（variance inflation factor）方差膨胀因子的值，检验法则：一般如果vif不大于10就可以先不用管多重共线性问题（严格一点是不能超过5），否则需要逐步回归法、增大样本容量等方法消除共线性。
如果出现了完全多重共线性（非满秩矩阵，无法进行ols估计），stata就会自动剔除其中一个变量，所以完全多重共线性在stata实证中不是一个问题。

看相关系数初步判断多重共线性，如果两个变量的相关系数大于0.7，可能存在多重共线性。更准确的应该查看vif值进行共线性判断。
使用SPSSAU线性回归可以查看VIF值，若大于10，认为存在严重多重共线性（严格大于5）

感谢解答~您的意思是如果核心解释变量与控制变量之间的相关性并不高的话是可以忽略多重共线性的问题吗？因为我检测vif有一个控制变量的vif能在16-18， 但是其他都很低。另外，我的自变量在相关性分析与回归中的符号相反。这个结果是用于本科毕业论文，想问问能不能选择性忽略hh，实在是来不及修改了。。