Se em uma análise de regressão múltipla as variáveis independentes, ou explicativas, forem correlacionadas entre si, diz-se que há intercorrelação ou multicolinearidade entre elas. Se a correlação entre as variáveis for perfeita infinitos modelos de regressão podem ser ajustados aos dados, impedindo a interpretação do conjunto de coeficientes de regressão estimados. Neste trabalho os resultados evidenciam a relevância dos problemas advindos da multicolinearidade, e possibilitam concluir que a combinação de alguns métodos de diagnóstico é eficiente para a quantificação da intensidade da associação entre os caracteres e a identificação dos mesmos.